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OA北大核心CSTPCD
Application of convolutional neural networks in the generation and property prediction of novel non-fullerene acceptor molecules
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 molecul…查看全部>>
杨新玉;彭师平;赵仪
厦门大学化学化工学院,固体表面物理化学国家重点实验室,福建省理论与计算化学重点实验室,福建 厦门361005厦门大学化学化工学院,固体表面物理化学国家重点实验室,福建省理论与计算化学重点实验室,福建 厦门361005厦门大学化学化工学院,固体表面物理化学国家重点实验室,福建省理论与计算化学重点实验室,福建 厦门361005
化学化工
卷积神经网络非富勒烯受体前线分子轨道能量
《厦门大学学报（自然科学版）》 2022 (5)
有机光伏材料中的载流子量子动力学和光谱理论
777-785,9
国家自然科学基金(22033006,21833006,21773191)
评论