借助超级计算机，科学家们发现了有前途的太阳能电池新材料。寻找用于太阳能电池的最佳集光化学品就像在大海捞针一样。多年来，研究人员已经开发并测试了数千种不同的染料和颜料，以了解它们如何吸收阳光并将其转换为电能。对所有这些进行分类需要创新的方法。
现在，由于一项结合了超级计算功能与数据科学和实验方法的研究，美国能源部(DOE)阿尔贡国家实验室和英格兰剑桥大学的研究人员开发了一种新颖的“设计到设备”方法确定用于染料敏化太阳能电池(DSSC)的有前途的材料。DSSC可以采用低成本，可扩展的技术来制造，从而使其达到具有竞争力的性能价格比。
该小组由阿贡材料科学家杰奎琳·科尔(Jacqueline Cole)领导，他还是剑桥大学卡文迪许实验室分子工程小组的负责人，利用阿贡领导力计算设施(ALCF)中的Theta超级计算机确定了五个高性能，低从制造和设备测试的近10,000个候选材料中选出所需的染料材料。ALCF是DOE科学用户设施办公室。
“这项研究特别令人兴奋，因为我们能够证明数据驱动材料发现的整个周期-从使用先进的计算方法识别具有最佳性能的材料到在实验室中合成这些材料并在实际的光伏设备中对其进行测试，”科尔说。
通过一个ALCF数据科学计划项目，Cole与Argonne计算科学家合作创建了一个自动化工作流程，该工作流程结合了模拟，数据挖掘和机器学习技术，可以同时分析成千上万种化合物。该过程始于对数十万本科学期刊进行整理的工作，以收集各种有机染料候选物的化学和吸收数据。
科尔说：“这一过程的优势在于，它消除了旧的手动数据库管理方法，该方法涉及许多年的工作，并将其减少到几个月甚至是几天。”
计算工作涉及使用越来越精细的筛选技术来生成成对的潜在染料，这些染料可以相互结合以吸收整个太阳光谱中的光。科尔说：“要找到一种对所有波长都有效的染料几乎是不可能的。” “对于有机分子来说尤其如此，因为它们具有较窄的光吸收带;然而，我们确实只想专注于有机分子，因为它们对环境更加友好。”
为了将最初的10,000种潜在的候选染料缩小到仅有的最有希望的可能性中的一部分，再次涉及使用ALCF计算资源来执行多步方法。首先，科尔和她的同事使用数据挖掘工具消除了在给定波长下通常比有机染料吸收更少的光的任何有机金属分子，以及太小而无法吸收可见光的有机分子。
即使经过第一遍，研究人员仍然有大约3,000种染料可供考虑。为了进一步完善选择范围，科学家筛选了含有羧酸成分的染料，这些羧酸成分可用作化学“胶”或固定剂，以将染料连接到二氧化钛载体上。然后，研究人员使用Theta对剩余的候选分子进行电子结构计算，以确定每种染料的分子偶极矩或极性程度。
科尔说：“我们真的希望这些分子具有足够的极性，以使它们在整个分子上的电荷很高。” “这使受光激发的电子穿过染料的长度，穿过化学胶，进入二氧化钛半导体以启动电路。”
在将搜索范围缩小到大约300种染料之后，研究人员使用他们的计算设置来检查其光吸收光谱，以生成一批大约30个染料，这些染料可以用于实验验证。但是，在实际合成染料之前，Cole和她的同事在Theta上进行了计算密集型密度泛函理论(DFT)计算，以评估每种染料在实验环境中的表现。
研究的最后阶段涉及从这些预测中对五个最有希望的染料候选物进行实验验证，这需要全球范围内的合作。由于每种不同的染料最初都是在世界各地的不同实验室中出于其他目的而合成的，因此Cole与原始染料开发人员取得了联系，他们各自将一种新的样品染料寄回给她的团队进行研究。
科尔说：“要吸引来自世界各地的这么多人为这项研究做出贡献，确实是一个巨大的团队合作。”
在阿根大学纳米材料研究中心，DOE科学办公室的另一家用户实验室以及剑桥大学和卢瑟福·阿普尔顿实验室对染料进行实验研究时，科尔和她的同事发现其中一些染料一旦被嵌入光电器件中，就可以实现。功率转换效率大致等于工业标准有机金属染料的功率转换效率。
科尔说：“这是一个特别令人鼓舞的结果，因为出于环境原因，我们限制了自己进入有机分子的生活，从而使我们的生活更加艰难，但我们发现这些有机染料的性能与某些最知名的有机金属一样好。”