在过去的几年中,金属卤化物钙钛矿太阳能电池(已经)迅速发展。实现高性能已经改善制造过程和钙钛矿的组成电影是至关重要的。
筛选钙钛矿太阳能电池的制造工艺参数机器学习。图片来源:能源化学杂志》上。
广泛的工作已经进行识别的影响制造过程和钙钛矿的组成电影设备的性能。但这很难澄清他们的相关性由于巨大的变量空间由这些因素。
当然,探索这些关系是至关重要的预测设备性能的有效设备优化。但由于这些因素的复杂性,迄今为止已经不可能执行这项工作只能通过实验。
近年来,郑许教授和副教授担任北京交通大学批准了机器学习的歌(ML)方法来检查这样的相关性通过学习目前的实验结果,从而使设备的预测性能等因素。
这些因素对设备性能的影响被夏普利添加剂研究的解释(世鹏科技电子)分析。此外,提高毫升模型的可解释性,作者考虑到站点阳离子作为实例来描述和确认预测结果通过密度泛函理论(DFT)计算和实验。
这项研究彻底澄清如何执行毫升指导设备优化,从而也充当指南相反的实验设计为高性能已经被实现。
期刊引用:
陆,Y。等。(2022)钙钛矿的设备性能预测太阳能电池通过机器学习从实验参数现有的实验结果。能源化学杂志。doi.org/10.1016/j.jechem.2022.10.024。
来源:http://english.dicp.cas.cn/