HQSAR模型預測染料敏化太陽能電池香豆素衍生物PCE值研究*

劉鵬飛，馬 羚，焦 龍

(西安石油大學 化學化工學院，陜西 西安 710065)

太陽能資源的開發利用一直是長期而前沿的研究課題[1]。染料敏化太陽能電池(DSSCs)是太陽能的一種高效利用形式。由于DSSCs具有低成本和高靈敏度的優勢，自第一份科學報告發表以來，DSSCs 已被視為替代市場上主流硅基太陽能電池的可靠選擇[2-3]。

典型的 DSSC 由五種器件結構組成，包括導電氧化物、半導體薄膜、電解質、對電極和敏化劑[4]。當半導體薄膜上的敏化劑捕獲太陽輻射時，激發的電子被注入到導電氧化物的導帶 (CB) 中，然后有效地轉移到電極中。因此，DSSCs可以認為是這些組件之間相互作用的結果。目前，基于鋅卟啉敏化劑和鈷氧化還原介質的組合，DSSCs的最高轉化效率僅達到13%[5]，有必要進一步提高DSSCs的光電轉化效率。為此，使用不同的金屬氧化物或開發不同種類的電解質和敏化劑來提高 DSSC 的效率。在這些方法中，高性能染料敏化劑(包括無金屬和金屬有機染料)的選擇對于 DSSC 的開發至關重要。與金屬染料相比，無金屬有機染料由于更多的化學結構變化和更好的摩爾吸收率而引起了廣泛的研究興趣[6]。

有機敏化劑的合成和測試通常是費時費力的，其最終結果可能令人失望。因此本工作的主要目的是利用全息定量構效關系(HQSAR)方法構建基于香豆素染料敏化劑的DSSCs 光電轉換效率PCE值預測模型，以減少有機染料敏化劑研究的時間和實驗成本，并提供理論依據。

1 實驗

1.1 數據集和軟件

一共41種香豆素類衍生物以及它們的PCE值從文獻[7]中收集。這些染料分子被隨機地分為訓練集(36種染料分子)和測試集(5種染料分子)。其中，訓練集用來建立PCE模型，測試集被用來檢驗所建立PCE模型的預測能力。

1.2 HQSAR理論

建立HQSAR模型通常需要以下過程。首先，生成分子全息。訓練集里的每個香豆素衍生物化合物結構被劃分成幾種類型的小分子碎片，這些分子碎片分別被映射為0～231的偽隨機整數，并用一定長度的整數串表所代表，這個整數串被命名為分子全息。接著，是HQSAR模型的建立，使用偏最小二乘法 (PLS)搭建分子全息與染料分子PCE值之間的定量關系模型。

HQSAR 模型質量與fragmentdistinction、fragmentsize以及hologramlength(HL)參數相關。Hologramlength參數為53到401之間的12個素數，由整數串的長度定義，可以直接通過SYBYL-X 2.0程序提供最佳設置。其它兩個參數，fragmentdistinction與fragmentsize，需要通過實驗確定最優設置。在HQSAR模型的開發中，六類片段結構類型，分別是原子類型(A)、鍵(B)、連接性(C)、氫原子(H)、手性(Ch)、供體和受體原子(DA)，被定義為fragmentdistinction參數。Fragmentsize指分子碎片的原子數量，該參數是一對整數“M～N”，在SYBYL-X 2.0程序中默認fragmentsize設置為“4～7”。所有潛在的片段都是用S(M和N之間的整數)原子生成的。

1.3 模型驗證

(1)

(2)

CCC=

(3)

(4)

2 結果與討論

2.1 模型建立

表1 不同碎片區分參數下的HQSAR模型的統計結果

表2 不同碎片大小參數下的HQSAR模型的統計結果

2.2 模型驗證

測試集驗證和 LOO-CV 方法用于檢驗上述所建最優PCE模型的預測能力。

圖1 實驗值與預測值散點圖

3 結論

本工作將 HQSAR 方法應用于DSSCs香豆素染料敏化劑的定量結構性質關系研究。開發的HQSAR模型成功地估計了香豆素染料敏化太陽能電池的PCE值。外部測試集驗證和LOO-CV的優異的統計參數指標表明HQSAR模型對PCE值具有較高的預測能力和穩定性。另外，HQSAR 方法還可用于研究其它有機染料的結構與性能之間的關系。顯然，將HQSAR方法應用于香豆素類有機染料敏化劑的研究將有助于DSSCs的快速發展。