Nature打破质疑！寒门博士连发3篇Nature！钙钛矿太阳能电池领域杀疯了！

文章预览

机器学习 （ML） 技术在不同领域的快速发展为发现和合理化材料和光伏设备提供了一个框架。本研究介绍了一种在制造空穴传输层 （HTL） 无碳基 PSC （C-PSC） 中实施 ML 模型的五步方法。我们的方法利用各种流行的 ML 模型，并使用 SCAPS-1D 仿真策划了一个包含 700 个数据点的综合数据集，包括电子传输层 （ETL） 和钙钛矿层厚度的变化，以及带隙特性。我们的结果表明，基于 ANN 的 ML 模型对 C-PSC 设备参数表现出卓越的预测准确性，实现了 0.028 的低均方根误差 （RMSE） 和 0.954 的高 R 平方值。这项工作的新颖之处在于它系统地使用 ML 来简化优化过程，减少对传统试错法的依赖，并更深入地了解关键设备参数的相互依赖性。 混合机器学习修改后的模型正在成为一种很有前途的能源生产预测解决方案。可再生能源发电厂，如太阳能、沼气、水力发电厂、 ………………………………