手機版
化工儀器網手機版
化工儀器網小程序
官方微信
公眾號：chem17
掃碼關注視頻號
主要內容
試錯法對于找到限制鈣鈦礦太陽能電池效率的因素具有實用性，但這種方法較為復雜。除此之外還有另一種選擇，即機器學習與漂移擴散模擬相結合。
在這篇文章中，研究團隊開發了一種機器學習模型，提出機器學習(ML)方法可以僅基于照明下的電流密度-電壓(J-V)曲線來預測限制太陽能電池性能的參數。用于訓練模型的數據(11 ' 150 J-V曲線)是基于器件仿真的，其中電荷傳輸和復合相關的20種不同物理參數分別變化。這種方法可以覆蓋在不同的制造條件或設備退化期間可能發生的各種影響。使用ML時，模擬的J-V曲線將針對準確度高于80%的更改參數進行分類。
結果表明，短路電流密度、開路電壓、最大功率轉換效率和填充因子等關鍵參數可以對設備結構變化進行準確的預測。為了顯示實際相關性，將ML算法應用于報告的設備，并從物理角度討論結果。事實證明，只要滿足特定條件，就能得到滿意的結果。所提出的工作流程可用于更好地了解設備的行為，例如在退化過程作為指導方針提高其性能，而無需昂貴且耗時的基于實驗室的試錯方法。
研究過程中使用巨力光電代理的Setfos進行模擬仿真
Identifying Performance Limiting Parameters in Perovskite Solar Cells Using Machine Learning
Oliver Zbinden, Evelyne Knapp, Wolfgang Tress*
免責聲明
- 凡本網注明“來源：化工儀器網”的所有作品，均為浙江興旺寶明通網絡有限公司-化工儀器網合法擁有版權或有權使用的作品，未經本網授權不得轉載、摘編或利用其它方式使用上述作品。已經本網授權使用作品的，應在授權范圍內使用，并注明“來源：化工儀器網”。違反上述聲明者，本網將追究其相關法律責任。
- 本網轉載并注明自其他來源（非化工儀器網）的作品，目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，不承擔此類作品侵權行為的直接責任及連帶責任。其他媒體、網站或個人從本網轉載時，必須保留本網注明的作品第一來源，并自負版權等法律責任。
- 如涉及作品內容、版權等問題，請在作品發表之日起一周內與本網聯系，否則視為放棄相關權利。
采購中心