目前有机太阳能电池的光电转换效率太低、处在11％~12％之间，距离商业化标准15％还有一段距离，科学家也还没找到最适合的聚合物材料，因此有机太阳能还无法达到商业化。日本大阪大学工学院准教授长泽慎司（ShinjiNagasawa）表示，聚合物与有机太阳能电池的短路电流（short-circuitcurrent）有关，会大大影响太阳能板的光电转换效率。

但聚合物由受体单元、予体单元、隔片、烷基链组成，研究员佐伯昭纪（AkinoriSaeki）补充，假设每个单元有20种选择，排列组合数会超过100万。且由于转换效率是综合各个复杂因素的结果，牵涉到薄膜形态、p型和n型半导体界面与材料溶解度，即使利用量子化学计算也无法预测太阳能电池效率。

如果要一一测试将会消耗大量时间，因此研究员想通过人工智能来提高搜寻效率。

为减少计算机筛选数量，研究团队先从约500项研究中收集了1，200份有机太阳能数据，再用机器学习算法“随机森林（RandomForest）”建构了一组模型，其中结合有机太阳能的能隙、分子量、化学结构、转换效率与电子特性资料，能预测潜力设备的理论转换效率。

“随机森林”可找出材料性能与有机太阳能实际效率的相关性，团队则善加利用这一优势，将模型用来筛选新型聚合物的理论转换效率，并成功找出一种先前从未测试的聚合物。

虽然实际测试之后结果不如预期，但该模型在材料结构与性质提供许多有用的见解。研究员认为，只要加入更多的资料，象是聚合物在水中的溶解度等，就可以进一步提高模型实用性。

佐伯昭纪表示，该模型并不完美，准确度仅20％~50％。不过机器学习能够实时预测实验室需要数月才能得到的结果，可大大提升太阳能电池开发速度。显然这项机器学习技术还不能无法完全取代人，但仍可为分子设计师提供关键材料选项、分担工作量，目前研究已发表在《The Journal of Physical Chemistry Letters》。