A Structure-Based Machine Learning Framework for Polymer Solar Cells: Prediction, Interpretation, and Virtual Screening

सौर ऊर्जा ने लंबे समय से एक ऐसे भविष्य का वादा किया है जहाँ स्वच्छ शक्ति कागज की एक शीट की तरह हल्की और लचीली हो। उन कई तरीकों में से जिनसे वैज्ञानिक सूर्य के प्रकाश को पकड़ने की कोशिश कर रहे हैं, पॉलीमर सौर सेल (polymer solar cells) अपनी इस क्षमता के लिए विशिष्ट स्थान रखते हैं कि उन्हें समाचार पत्रों की तरह छापा जा सकता है या मानचित्रों की तरह मोड़ा जा सकता है। ये उपकरण दो प्रकार के पदार्थों के बीच एक नाजुक साझेदारी पर निर्भर करते हैं: एक डोनर (donor) जो इलेक्ट्रॉन देता है और एक एक्सेप्टर (acceptor) जो उन्हें प्राप्त करता है। जब सूर्य का प्रकाश इस मिश्रण पर पड़ता है, तो यह एक विद्युत धारा उत्पन्न करता है। हालाँकि, इन सेल्स को कुशलतापूर्वक काम करने के लिए बनाना एक अत्यंत कठिन पहेली है। अंतिम प्रदर्शन कारकों के एक जटिल जाल पर निर्भर करता है, जैसे कि अणुओं का सटीक आकार और वे डिवाइस के भीतर खुद को कैसे व्यवस्थित करते हैं। दशकों तक, सही सामग्रियों का संयोजन खोजना काफी हदना 'ट्रायल एंड एरर' (प्रयास और त्रुटि) पर निर्भर रहा है, जो एक धीमी और महंगी प्रक्रिया है जहाँ शोधकर्ता रसायनों को मिलाते और जोड़ते हैं, इस उम्मीद में कि शायद वे कोई विजेता खोज लें।

नेशनल टेइवान यूनिवर्सिटी और अन्य संस्थानों के शोधकर्ताओं की एक टीम ने अब इस रासायनिक भूलभुलैया को सुलझाने के लिए मशीन लर्निंग की शक्ति का उपयोग करके एक अलग दृष्टिकोण अपनाया है। उन्होंने अपने प्रकार का सबसे बड़ा डेटाबेस बनाया, जिसमें 2010 और 2025 के बीच रिपोर्ट किए गए 5,700 से अधिक विभिन्न सौर सेल उपकरणों के प्रयोगात्मक परिणामों को एकत्र किया गया। प्रत्येक भौतिक नियम को समझने के बजाय, उन्होंने कंप्यूटर को पैटर्न पहचानने के लिए प्रशिक्षित किया। कंप्यूटर को डोनर और एक्सेप्टर सामग्रियों की रासायनिक संरचनाओं के साथ-साथ उनके वास्तविक दुनिया के प्रदर्शन डेटा को खिलाकर, मॉडल ने यह सीखा कि एक नया जोड़ा कितनी अच्छी तरह काम करेगा। परिणाम एक ऐसा ढांचा है जो न केवल उच्च सटीकता के साथ दक्षता (efficiency) की भविष्यवाणी करता है, बल्कि यह भी स्पष्ट करता है कि अणु का कौन सा हिस्सा सफलता या विफलता के लिए जिम्मेदार है।

शोधकर्ताओं ने पाया कि उनका कंप्यूटर मॉडल उल्लेखनीय सटीकता के साथ सौर सेल की दक्षता की भविष्यवाणी कर सकता है, जो एक ऐसे सहसंबंध (correlation) के साथ मेल खाता है जो बताता है कि मॉडल ने वास्तव में अंतर्निहित नियमों को सीख लिया है। इससे भी महत्वपूर्ण बात यह है कि मॉडल केवल एक 'ब्लैक बॉक्स' की तरह काम नहीं कर रहा था; इसने विभिन्न आणविक टुकड़ों की विशिष्ट भूमिकाओं को भी उजागर किया। विश्लेषण ने दिखाया कि शॉर्ट-सर्किट करंट (short-circuit current), जो यह मापता है कि सेल कितनी बिजली उत्पन्न कर सकता है, ऐतिहासिक रूप से सौर सेल की दक्षता में सुधार का मुख्य चालक रहा है। हालाँकि, मॉडल ने यह भी रेखांकित किया कि भविष्य की प्रगति तेजी से ओपन-सर्किट वोल्टेज (open-circuit voltage) पर निर्भर करेगी, जो इलेक्ट्रॉनों के ऊर्जा स्तर से संबंधित है। यह अंतर महत्वपूर्ण है क्योंकि यह वैज्ञानिकों को बताता है कि उन्हें अपना ध्यान कहाँ केंद्रित करना चाहिए: जबकि अधिक करंट उत्पन्न करना प्राथमिकता रही है, अगली बड़ी छलांग इस बात को अनुकूलित करने से आएगी कि प्रत्येक इलेक्ट्रॉन कितनी ऊर्जा ले जाता है।

अणुओं को उनके सबसे छोटे कार्यात्मक भागों में तोड़कर, अध्ययन ने उन विशिष्ट संरचनात्मक विशेषताओं की पहचान की जो उच्च प्रदर्शन की कुंजी के रूप में कार्य करती हैं। कंप्यूटर ने एक विशेष वर्ग के एक्सेप्टर सामग्रियों की ओर संकेत किया, जिन्हें Y6 डेरिवेटिव्स (Y6 derivatives) के रूप में जाना जाता है, जो सबसे शक्तिशाली प्रदर्शन करने वाले पाए गए। इन अणुओं के भीतर, मजबूत विद्युत धारा उत्पन्न करने के लिए विशिष्ट 'एंड ग्रुप्स' (end groups) और 'बैकबोन स्ट्रक्चर' (backbone structures) को आवश्यक पाया गया। डोनर की ओर, मॉडल ने दिखाया कि उच्च वोल्टेज बनाए रखने के लिए कुछ रिंग संरचनाएं और फ्लोरीन परमाणुओं की उपस्थिति महत्वपूर्ण थी। अध्ययन ने इस विचार को स्पष्ट रूप से खारिज कर दिया कि पुराने सामग्रियाँ, जैसे कि फुलरीन स्फेयर्स (fullerene spheres) पर आधारित पदार्थ, आगे बढ़ने का रास्ता हैं; डेटा ने दिखाया कि जबकि उन्होंने शुरुआती प्रगति में योगदान दिया, आधुनिक सबसे कुशल सेल्स इन नए, नॉन-फुलरीन डिजाइनों पर निर्भर करती हैं। मॉडल ने यह भी स्पष्ट किया कि केवल एक बड़ा अणु होना ही पर्याप्त नहीं है; परमाणुओं की विशिष्ट व्यवस्था और फ्लोरीन जैसे हैलोजन परमाणुओं की उपस्थिति ही वास्तव में मायने रखती है।

अपनी खोज की सीमाओं का परीक्षण करने के लिए, शोधकर्ताओं ने अपने प्रशिक्षित मॉडल का उपयोग करके 2.2 मिलियन से अधिक आभासी (virtual) डोनर और एक्सेप्टर संयोजनों की स्क्रीनिंग की। इस व्यापक खोज से पता चला कि सर्वश्रेष्ठ प्रदर्शन करने वाले सौर सेल रासायनिक परिदृश्य में बेतरतीब ढंग से बिखरे हुए नहीं हैं, बल्कि एक विशिष्ट क्षेत्र में केंद्रित हैं। शीर्ष उम्मीदवारों में एक सामान्य ब्लूप्रिंट साझा था: उन्होंने Y6-व्युत्पन्न एक्सेप्टर्स को एक विशिष्ट प्रकार की रिंग संरचना वाले डोनर्स के साथ जोड़ा था जिसे हैलोजन परमाणुओं से संशोधित किया गया था। मॉडल ने भविष्यवाणी की कि इन सामग्रियों के कुछ संयोजन 18 प्रतिशत से अधिक की दक्षता प्राप्त कर सकते हैं, जो प्रयोगशालाओं में वर्तमान में बनाए जाने वाले सर्वोत्तम उपकरणों के स्तर के अनुरूप है। यह सुझाव देता है कि बेहतर सौर सेल बनाने का रास्ता पूरी तरह से नई तरह की केमिस्ट्री का आविष्कार करने के बारे में नहीं है, बल्कि उन विशिष्ट संरचनात्मक रूपांकनों (structural motifs) को परिष्कृत करने और पुनर्संयोजित करने के बारे में है जिन्हें मॉडल ने विजेता के रूप में पहचाना है।

अध्ययन का निष्कर्ष है कि यह दृष्टिकोण अगली पीढ़ी के सौर सेल डिजाइन करने के लिए एक व्यावहारिक रोडमैप प्रदान करता है। वास्तविक दुनिया के विशाल डेटा संग्रह को एक व्याख्या योग्य मशीन लर्निंग मॉडल के साथ जोड़कर, शोधकर्ताओं ने सरल भविष्यवाणी से हटकर वास्तविक समझ की ओर कदम बढ़ाया है। उन्होंने दिखाया है कि एक अणु की संरचना और सौर सेल के प्रदर्शन के बीच का संबंध यादृच्छिक (random) नहीं है, बल्कि स्पष्ट, सीखने योग्य नियमों का पालन करता है। यह कार्य वैज्ञानिकों के लिए डिजाइन दिशानिर्देशों का एक सेट प्रदान करता है: विशिष्ट वास्तुशिल्प विशेषताओं वाले एक्सेप्टर्स को प्राथमिकता दें, फ्लोराइड युक्त रिंग संरचनाओं वाले डोनर्स का उपयोग करें, और करंट एवं वोल्टेज को संतुलित करने पर ध्यान केंद्रित करें। हालांकि मॉडल उन सामग्रियों के संयोजन की स्क्रीनिंग करते समय सबसे विश्वसनीय है जो पहले से ही विज्ञान के लिए ज्ञात हैं, इसने सफलतापूर्वक एक प्रतिबंधित रासायनिक स्थान (chemical space) की पहचान की जहाँ उच्चतम प्रदर्शन निहित है। यह ढांचा बेहतर सौर ऊर्जा की खोज को संयोग के खेल से बदलकर एक लक्षित डिजाइन प्रक्रिया में बदल देता है, जो अधिक कुशल और सस्ती नवीकरणीय शक्ति की ओर एक स्पष्ट मार्ग प्रदान करता है।