有机太阳能电池(OSC)是第三种太阳能电池技术。OSC 是新兴的光伏技术之一，它使用有机聚合物材料作为光吸收层 。有机光伏 (OPV) 是薄膜型电池，与其他太阳能驱动的创新产品相比，可以存储更多的太阳能。有机材料的电荷传输和光吸收/保留能力等遗传特性是 OSC 开发的关键优势。有机半导体是由碳和氢原子以及一些杂原子(包括硫、氧和氮)组成的π共轭有机分子。它们具有高效的导电性和电致发光特性。
特别是，带隙是控制半导体材料光伏性能的关键参数。低带隙有机半导体需要低能量将电子从价带转移到导带。低带隙使半导体从价带到导带具有更高的电子迁移率，从而增强其导电性。此外，与宽带隙半导体相比，低带隙半导体可以收获更多的光子，从而实现更高的太阳能转换效率。在高带隙半导体中，电子转移需要更高的能量，这会降低电导率。因此，低带隙有机半导体在广泛的应用中显示出巨大的潜力。
为了进一步扩大有机半导体的适用性，需要具有改进性能的材料。这些低带隙有机半导体的应用包括有机场效应晶体管(OFET)、有机发光二极管(OLED)、OSC、超级电容器、薄膜电池等[27,28]。此外，由于无法以可再现的方式产生高载流子迁移率，半导体的工业利用受到限制。由于大量的研究工作，已经开发出多种具有更高迁移率的材料，甚至可以超过非晶硅。然而，由于存在各种各样的有机构建块，人们认为这些少数开发的材料没什么用。通过组装潜在的有机构建块，
迄今为止，实验方法需要一个完整的周期来发现新材料，包括合成程序、设备制造、性能评估、分子调谐、试验和错误经验。计算/理论研究可以通过提供对电子特性(电荷传输机制)的进一步了解来在 OPV 的发展中发挥重要作用。通过将这些研究与实验相结合，可以使这些研究变得更加有用。近年来，各个小组一直致力于高性能材料的发现，以指导实验人员合成潜在的材料/目标。
机器学习是人工智能的一个子领域，正在成为一种强大的方法，用于筛选和设计各种应用的潜在目标，包括药物发现、超硬材料、多相催化，并借助大规模数据挖掘方法来提取通用设计标准。在这些筛选/设计方法中，被称为分子描述符的分子(系统)的容易计算或容易列出的性质可以与分子/材料/系统的关键性质(例如，载流子迁移率、带隙)相关联。这些策略可以帮助筛选目标应用的潜在候选者。尽管人们已经做出了各种努力来发现适合不同应用的潜在材料，只有有限的方法专注于光伏应用的有机半导体。通过利用机器学习方法的潜在优势，可以以最高精度和低成本的方式快速实现多个数据库的筛选。
在这项工作中，机器学习用于设计具有低带隙的新型半导体和 OSC 的性能预测。为此目的，收集数据。测试不同的回归模型，并选择最好的模型，即额外的树回归器。为了支持最终模型库克距离、t -SNE、学习曲线和验证曲线被绘制。进行基于结构的相似性分析和库枚举以提供有关半导体分子的有用信息。这项研究将帮助研究人员设计具有改进的光伏性能的潜在候选者。
机器学习分析
300个半导体的数据是从文献中收集的。带隙(目标属性)以 eV 为单位。表 S1 提供了数据。库克距离提供了实例对线性回归影响的估计。它被认为是对对回归模型产生负面影响的点进行分类的主要参数。为了识别预测变量数组中的不同异常值，在回归分析中采用了库克距离。通过使用这种方法，对产品产生负面影响的点
t 分布随机邻域嵌入 ( t -SNE)
t-SNE 是一种统计和无监督方法，可通过为 2D 或 3D 图表上的每个数据点指定位置来可视化高维数据，从而实现数据可视化。t 分布用于确定低维空间中两个点的相似程度，同时保持数据的局部结构。t -SNE 用于各个领域的数据可视化和探索，例如遗传学、语音识别、音乐解释、药物开发、生物信息学。
设计的有机半导体的带隙预测
为了大规模设计新型有机半导体，使用了有机构建模块。有机构件包含其母体有机分子的特性，但具有自己的功能。它们的功能使它们不同于其母体分子。设计有机半导体的一种方法是结合具有与参考分子相似的化学和功能特性(例如低带隙)的不同有机构建块(QIDT-4F)。
结论
在这项研究中，挖掘了多个数据库来设计低带隙有机半导体。通过使用获得的信息，众所周知且易于合成的有机基团被用于设计半导体新分子。训练和测试了不同的机器学习模型。发现额外的树回归器是最适合的模型。库克距离用于找出负面观察结果。进行相似性分析以将数据库的分子与参考分子相关联
