Npj Comput. Mater.: 有机太阳能电池受体材料：基于人工智能高效发现

本文介绍了中南大学化学化工学院卢红梅教授团队开发的一种基于深度学习的框架（DeepAcceptor），用于设计和发现高效的非富勒烯小分子受体材料。该框架通过结合大规模自监督预训练和图神经网络（GNN），显著提升了分子性质预测的准确性和泛化性。研究团队通过实验验证了三个筛选得到的候选分子，器件最佳的能量转化效率（PCE）达到了14.61%。此外，他们还发布了用户友好的DeepAcceptor网络服务器，方便用户进行分子设计和PCE预测。该研究揭示了人工智能在加速高性能非富勒烯受体材料发现中的潜力。