卷积神经网络在新型非富勒烯受体分子生成与性能预测上的应用

作者：杨新玉; 彭师平; 赵仪^*

来源：厦门大学学报(自然科学版), 2022, 61(05): 777-785.

• 卷积神经网络
• 非富勒烯受体
• 前线分子轨道能量

近年来，有机太阳能电池中非富勒烯小分子受体因其拓展了吸收光谱的范围、能够调节激子解离能量和具有灵活的给体-受体形貌等优点使得器件效率越来越接近产业化的目标.本研究借助本课题组之前构建的分子生成和性质预测的卷积神经网络模型，来生成和筛选出具有高效解离激子的前线轨道能量的新型非富勒烯小分子受体.首先生成模型经数据库充分训练并利用小数据集进行微调后生成200多个接近目标轨道能量(最高占据分子轨道(the highest occupied molecular orbital, HOMO)和最低未占据分子轨道(the lowest unoccupied molecular orbital, LUMO)的能量分别为-5.60和-3.60 eV)的分子，然后利用预测模型进一步筛选并预测分子碎片对轨道能量的贡献，接着将这些分子与数据库中具有相近前线轨道能量的分子共同聚类挑选出具有不同化学空间的10个新型受体分子，最后通过从头算验证了轨道能级、分子碎片对轨道贡献预测的准确性，并给出分子光吸收的振子强度.进一步利用生成和预测模型提供了具有另一组轨道能量(HOMO和LUMO能量分别为-5.10和-3.10 eV)的10个非富勒烯小分子，其性质预测与从头算结果一致，证明了生成和预测模型的鲁棒性和结果的可靠性.本研究预测的分子也提供了设计具有高性能非富勒烯受体分子骨架的思路.

• 单位
  固体表面物理化学国家重点实验室; 厦门大学; 化学化工学院