染料敏化太阳能（DSSC）是有机太阳能的一员，透过人工或有机染料将光转换成电，具有材料、制造成本低与能制成可挠太阳能板等优势，但是世上有千百万种染料，要找出合适的材料可说是大海捞针，那么科学家要以何种方法找出最佳染料？
对此，美国能源部阿贡国家实验室与英国剑桥大学等跨国团队最近提出一项解决方案，已运用阿贡领导电脑设施部门（ALCF）的超级电脑 Theta，并整合模拟、资料探勘、机器学习技术研发出自动化工作流程，成功从近 10,000 个候选染料中选出 5 位生力军。
阿贡国家实验室材料科学家 Jacqueline Cole 表示，这让人们可以省去人工整理资料的时间，从过去好几年的时间缩短到几个月，最后只要几天就能完成。
研究团队希望能透过新的筛选方法，找到可以彼此合作、一同吸收太阳光谱的成对染料，Cole 指出，基本上没有任何一种染料可以吸收所有的光，尤其是光吸收能带较窄的有机分子，但团队又只想要采用较环保的有机材料，因此祭出此对策。
从一万个选项中找出最佳染料
团队初始资料数量相当庞大，候选材料近 10,000 种，而为了寻觅最合适染料，科学家抽丝剥茧慢慢删掉各种选项。研究员首先以资料探勘剔除掉有机金属分子，这些分子大多吸光范围较小，抑或是分子太小无法吸收可见光，使候选材料一下子减少至剩下 3,000 多种。
之后研究员再筛选出含有羧酸（音读缩、注音打 ㄗㄨㄟ）的染料，其中羧酸可以让染料更容易附着在二氧化钛半导体（光电极）上，再使用超级电脑 Theta 量测其余材料的电子结构，计算每种染料分子的偶极矩或是极性程度，Cole 表示，分子极性程度高，电子电荷量也会提高，进而拉长电子移动距离，让电子可顺利进入二氧化钛半导体并启动电路。
经过多个步骤、将范围缩小到 300 种之后，团队也透过检查每个染料的光吸收范围，删至剩下 30 种染料，这时自动化工作流程测试也进入尾声，研究员最后再用 Theta 运算密度泛函理论（DFT）来评估与模拟每个染料的表现。
目前研究团队并没有公布机器学习筛选有机分子的时间，而结束自动化工作流程后跨国团队也有进行实际测试，最后已选出 5 个低成本、高性能染料生力军，Cole 指出，将某些染料实际用于太阳能板之后，团队发现其功率转换效率已经可以跟工业标准的有机金属染料相媲美。研究已发表在《Advanced Energy Materials》。
- Scientists use machine learning to identify high-performing solar materials
（首图来源：阿贡国家实验室）
延伸阅读：
- 加速有机太阳能电池进展，日本用 AI 寻找聚合物材料
- 舍弃旧有人工合成染料，嘉大以火龙果开发染料敏化太阳能
