寻找用于太阳能电池的最佳光能，简直就像是大海捞针一样困难。多年来，研究人员开发并测试了数千种不同的染料和色素，以了解它们吸收阳光并将其转化为电能的方式，并且他们还对所有这些问题进行了分类。
目前，研究人员在美国能源部阿贡国家实验室和英国剑桥大学，已经开发出了一种新颖的设备来识别有前途的太阳能电池材料。DSSCs可以用低成本、可扩展的技术来进行制造，所以它的性价比是十分高的。这项研究能够展示数据驱动材料发现的整个周期，从而使用先进的计算方法来识别具有最佳性能的材料。
Cole和Argonne的计算科学家通过一个ALCF数据科学项目，创建了一个自动化的工作流程。该流程结合了模拟、数据挖掘和机器学习技术，它能够同时分析数千种化合物。这一过程的优势在于，它摒弃了传统的手工管理数据库的做法，将其其所需的工作时间缩短到了几个月，甚至是几天。
机器学习
计算工作涉及使用越来越精细的筛选技术，来生成可能的染料对。它们可以相互结合，吸收整个太阳光谱的光。科尔表示，要找到一种对所有波长都有效的染料几乎是不可能的。对于有机分子来说更是如此，因为它们具有更窄的光学吸收带。然而，我们真正想关注的是有机分子，因为它们明显更环保。
为了将最初的10000个潜在染料候选范围缩小到几个，科学家们再次使用ALCF计算资源来执行一个多步骤的方法。首先，Cole和她的同事们使用数据挖掘工具来消除任何有机金属分子，这些有机金属分子在特定波长下，吸收的光通常比有机染料少。
在研究的最后阶段，涉及到实验验证。他们需要从这些预测中选出的五种最有前途的染料候选，这需要全球专家的合作。所以，科尔找到了最初的染料开发人员，他们每个人都发回了一种新的染料样品，让她的团队进行研究。科尔说表示，能够让这么多来自世界各地的人参与到这项研究中来，这真的是非常了不起的团队合作。
