近日，实验室青年教师温亚平在Science Advances期刊上发表了题为“Navigating high-dimensional processing parameters in organic photovoltaics via a multitier machine learning framework”的研究成果。青年教师温亚平为论文的第一作者兼通讯作者，山东大学马海波教授为共同通讯作者，河南师范大学为第一通讯单位。
有机光伏电池的性能优化高度依赖于活性层中体异质结的纳米形貌，而这一形貌又受到多个加工参数的复杂耦合影响。传统实验方法难以高效探索这一高维参数空间，制约了高性能器件的开发。为解决这一难题，研究团队首先构建了一个涵盖给体/受体对、九大关键加工参数及器件效率的标准数据库，系统整合了近十年间发表的实验数据。在此基础上，团队采用梯度提升回归树算法，开发了一套三层机器学习框架：从单参数基线模型，到分阶段组合模型，再到全局九参数优化模型，逐步揭示器件工艺参数间的协同与耦合机制。该研究不仅为有机光伏活性层的理性优化提供了高效工具，也为数据驱动下的材料加工科学开辟了新路径。
该研究通过构建标准化数据库与三层机器学习框架，成功实现了对有机光伏电池活性层制造参数的高维优化，是实验室在有机光伏与机器学习交叉领域的重要突破。该工作得到了国家自然科学基金等项目的支持。
论文链接：https://www.science.org/doi/10.1126/sciadv.aeb1323