最近，英國班戈大學計算機科學與電子工程學院的Tudur WynDavid等研究員提出了一種從有機光伏(OPV)太陽能電池數據中提取信息的機器學習方法。在1850個器件特性、性能和穩定性數據條目組成的數據庫的基礎上，采用順序最小優化回歸(SMOreg)模型，用以推測太陽能電池穩定性和功率轉換效率(PCE)的最大影響因素。這樣的學習方法是基于屬性權重分析所獲取的SMOreg模型得以實現的。

值得注意的是，該分析方法可用于篩選器件結構中對穩定性和PCE有提升作用的各層活性材料，以及判斷不同應力因素在OPV衰退過程中的影響力大小。在ISOS-L協議下進行的測試結果表明，光譜和活性層材料的選擇對器件穩定性的影響占據主導因素，而在ISOS-D協議下進行的測試則表明，器件穩定性主要取決于材料和封裝。

上述方法提供了一種快速而有效的機器學習應用方法，用以識別具有最好的穩定性和性能的功能材料。最終，該機器學習方法通過為研究人員提供材料篩選和器件優化的有效信息，避免了大量的實驗和優化過程，為OPV技術的高速發展提供了助力。