讓 AI 幫你最佳化太陽能電池材料的製程參數

採訪撰文 簡克志，美術設計 林洵安，機器學習 x 鈣鈦礦材料：讓 AI 幫你最佳化太陽能電池材料的製程參數！，研之有物，2022-02-21

機器學習輔助材料設計

為了 2050 淨零排放的目標，太陽能發電為不可或缺的再生能源之一，其中「鈣鈦礦太陽能電池」是近年最熱門的研究領域，不僅成本低廉、光電轉換效率也可達到 25%。然而，鈣鈦礦材料在環境中容易降解，影響使用壽命。材料科學家為了做出效能好又穩定的鈣鈦礦「料理」，無不卯足了勁，替這道菜加上各種「食材」，但是越複雜的菜，調出好味道就越困難。人腦畢竟有限，如果交給機器呢？中央研究院「研之有物」專訪院內應用科學研究中心包淳偉研究員，他與團隊訓練了一套機器學習模型，可以又快又準的找出複雜鈣鈦礦材料的最佳化條件！

材料系統模擬 

圖|研之有物

設計最佳化

還記得我們一開始跑模擬的目標嗎？幫助研究團隊在花大錢做實驗之前，先找出最穩定的結構，從結構參數回推好的製程參數，進而得到較好的材料性質。

那麼要如何把這麼多參數的相關性一網打盡呢？有個好工具叫「皮爾森相關性矩陣」（Pearson correlation matrix）。