優(yōu)化共軛聚合物的加工條件是提高各種有機電子器件性能的關(guān)鍵步驟，包括能夠從廢熱中收集能量的有機熱電（TE）器件。然而，這些材料中固有的結(jié)構(gòu)和能量紊亂以及加工后不可預(yù)測的性能變化使優(yōu)化原理復(fù)雜化，需要大量的試錯實驗來最大限度地提高TE性能。近日，首爾大學(xué)Jeonghun Kwak引入了一種基于機器學(xué)習(xí)（ML）的實驗設(shè)計方法來解決這些挑戰(zhàn)，并使用具有代表性的噻吩基摻雜聚合物系統(tǒng)對有機TE進行了驗證。
本文要點：
1) 這種方法不僅有助于定量了解每個加工參數(shù)如何影響聚合物的TE性能，而且有助于預(yù)測最佳加工條件，從而在大參數(shù)空間內(nèi)用最少的實驗實現(xiàn)最大的TE性能。
2) 此外，通過分析摻雜聚合物薄膜的形態(tài)和電子狀態(tài)，揭示了在ML預(yù)測的加工條件下功率因數(shù)最大化的起源，從而驗證了基于ML的方法。所提出的方法適用于大多數(shù)有機熱電能量轉(zhuǎn)換的聚合物系統(tǒng)，并將為確定最佳工藝條件和以最小的努力提高TE性能提供指導(dǎo)。
Jeehyun Jeong et.al Machine-Learning-Assisted Process Optimization for High-Performance Organic Thermoelectrics Adv. Energy Mater. 2024
DOI: 10.1002/aenm.202403431
https://doi.org/10.1002/aenm.202403431
