伊利诺伊大学用 AI 攻克太阳能分子:光稳定性提升 4 倍
伊利诺伊大学厄巴纳-香槟分校等团队在《Nature》发文,通过 AI 闭环实验与自动化分子合成,将有机太阳能材料的光稳定性提升了 4 倍。最值得关注的是,他们不仅让 AI 优化分子,还摸清了 AI 做出判断背后的化学规律,打破了算法黑盒。
屋顶上的太阳能电池板又硬又重,很多人都想要那种像保鲜膜一样柔软、轻薄、甚至能贴在窗户上的有机太阳能薄膜。可惜的是,从 20 世纪 80 年代起,这类材料就卡在一个极其尴尬的物理缺陷上:它们是用来吸光的,但一晒太阳就会老化降解。
来自伊利诺伊大学厄巴纳-香槟分校和多伦多大学的联合团队在《自然》发表了一项成果。他们借助 AI 和自动化化学合成,不仅把集光分子的光稳定性一口气提高了 4 倍,还顺手撬开了 AI 的黑箱,找出了分子抗光老化的底层化学规律。
像拼积木一样,让 AI 边做实验边复盘
以往用 AI 找新材料,最大的麻烦在于 AI 只是个挑结果的黑盒子。它能告诉你哪个分子可能好用,却说不清到底为什么好用,化学家拿到图纸还得在实验室里人工折腾好几个月。
这次研究人员在厄巴纳-香槟分校的分子制造实验室里,搭了一套叫「闭环迁移」的自动化实验系统。他们用的核心武器,是化学系教授 Martin Burke 团队擅长的模块化合成技术,把复杂分子当成乐高积木一样自动拼装。
实验流程就像一场高效的学术答辩:AI 根据学习潜力开出需要探索的分子配方,自动化平台把这些分子迅速造出来,测试其在光照下的表现,再把真实数据喂回给 AI。整个过程跑了五轮,共筛选并合成了 30 种新化合物,一轮比一轮更抗光照。
把黑盒子砸开,变成透明玻璃球
如果仅仅是跑出 30 个分子,这依然只是一次算力撞大运。团队更关键的操作,是安排了第二套算法在旁边持续观摩。
这套算法实时分析被合成出来的分子,提取出预测光稳定性的结构特征。最后,AI 总结出了一套人类可以看懂并验证的物理规则:只要锁定特定的高能分子区域,再配合合适的溶剂,就能大幅延缓老化。
化学系教授 Nicholas Jackson 打了个比方:以前的 AI 是个黑箱,现在他们把它变成了透明的玻璃球。团队随后用这套规律指导三种结构完全不同的集光分子实验,确认其耐光照寿命直接飙升了四倍。
为什么重要
这项研究最直接的受益者,是那些被商用化卡了四十多年的柔性光伏材料。有机太阳能电池可以吸收红外线、把热量转化为电能,还能做成任意曲面,如今稳定性提升四倍,意味着真正走出实验室铺进消费场景的可能性大增。普通人未来或许能在背包、帐篷甚至可穿戴设备上,用上轻巧耐用的太阳能薄膜。
对整个材料研发行业来说,这件事的影响更深远。我们认为,这一步最聪明的地方,不是让 AI 挑出几个神奇化合物,而是逼着 AI 吐出「为什么」。过去材料学家面对 AI 往往很被动,只能盲目跟投预测结果;而一旦把 AI 产出的物理描述符变成规律,人类就能举一反三,省去大量盲目试错的时间。
当然,目前这项成果依然属于原理验证阶段。研究团队只测试了有限的高能区域与溶剂搭配,而真实户外环境中的光伏面板,还要面对湿气、氧气和高温的多重夹击。但这种自动合成加反推物理规律的闭环模式,看起来已经给漫长的材料化学研发,砸开了一条全新的快车道。
来源 (1)
- scitechdaily.com(在新标签页打开)原文scitechdaily.com