
Aktiv selbst lernend bewegt sich der Algorithmus immer weiter durch die unendlichen Weiten des molekularen Raums und schlägt immer wieder neue Moleküle vor, die die Basis für die nächste Generation von Solarzellen sein könnten.
Bild: Christian Kunkel / TUM
Ein Forschungsteam der Technischen Universität München (TUM) und des Fritz-Haber-Instituts in Berlin nutzt maschinelles Lernen bei der Suche nach geeigneten molekularen Materialien für neue organische Halbleiter, die Basis für organische Feldeffekt-Transistoren (OFETs), Licht emittierende Dioden (OLEDs) und organische Solarzellen (OPVs). Um mit der endlosen Vielfalt möglicher Materialien effizient zurechtzukommen, bestimmt die Maschine selbst, welche Daten sie braucht.








![Abbildung 1: Vergleich verschiedener technischer Fasern hinsichtlich ihrer mechanischen Eigenschaften [eig. Darstellung in Anlehnung an 2]](https://werkstoffzeitschrift.de/wp-content/uploads/2020/12/1-300x244.jpg)

