最近，英國班戈大學計算機科學與電子工程學院的Tudur WynDavid等研究員提出了一種從有機光伏(OPV)太陽能電池數據中提取信息的機器學習方法。在1850個器件特性、性能和穩(wěn)定性數據條目組成的數據庫的基礎上，采用順序最小優(yōu)化回歸(SMOreg)模型，用以推測太陽能電池穩(wěn)定性和功率轉換效率(PCE)的最大影響因素。這樣的學習方法是基于屬性權重分析所獲取的SMOreg模型得以實現的。

值得注意的是，該分析方法可用于篩選器件結構中對穩(wěn)定性和PCE有提升作用的各層活性材料，以及判斷不同應力因素在OPV衰退過程中的影響力大小。在ISOS-L協(xié)議下進行的測試結果表明，光譜和活性層材料的選擇對器件穩(wěn)定性的影響占據主導因素，而在ISOS-D協(xié)議下進行的測試則表明，器件穩(wěn)定性主要取決于材料和封裝。

上述方法提供了一種快速而有效的機器學習應用方法，用以識別具有最好的穩(wěn)定性和性能的功能材料。最終，該機器學習方法通過為研究人員提供材料篩選和器件優(yōu)化的有效信息，避免了大量的實驗和優(yōu)化過程，為OPV技術的高速發(fā)展提供了助力。