基于机器学习的并五苯电荷传输计算

摘要： 利用多尺度模拟可以深入理解有机半导体形貌与输运特性之间的关系。由于采用量子化学（QC）方法计算分子间转移积分等电子特性需要高昂的计算成本，现有模型均需引入若干近似假设。本文提出一种基于机器学习（ML）的多尺度方法，可在考虑无序晶体静态无序性的情况下模拟有机半导体中的电荷传输。通过将二聚体指纹图谱映射至相应转移积分，训练并评估了用于预测电荷转移积分的核岭回归机器学习算法。由于电子结构的量子化学计算仅需执行一次，该机器学习方法能大幅缩短计算时间，同时保持较小的预测误差。利用机器学习预测的转移积分，通过非晶格动力学蒙特卡洛（kMC）模拟计算载流子迁移率。得益于机器学习的快速运算能力，该方法无需现象学近似即可精确描述微观过程。研究团队以经典分子半导体并五苯对该多尺度体系进行验证，所提方法既能复现实验观测到的迁移率各向异性，又能快速评估无序性的影响。