AFM：通过机器学习引导实验策略提高钙钛矿太阳能电池的功率转换效率

文章预览

使用机器学习（ML）预测功率转换效率（PCE）可以有效加速钙钛矿太阳能电池（PSCs）实验过程。 本研究， 深圳工业大学胡汉林、中国科学院刘家琪和哈尔滨工业大学深圳林熹等人 建立了一个包含2079个实验钙钛矿太阳能电池的高质量数据集，通过准确的机器学习模型预测PCE值，取得了令人印象深刻的决定系数（R²）值为0.76。在12个钙钛矿太阳能电池验证实验中，观察到的PCE值与预测值之间的平均绝对误差仅为1.6%。通过利用机器学习模型推荐的改进方案，实验中的钙钛矿太阳能电池PCE成功提高至25.01%，从而真正实现了机器学习指导实验的目标。 此外，通过提高特定器件的PCE，预测值可达到28.19%。该机器学习模型为实验上提高钙钛矿太阳能电池的PCE提供了可行的策略，对实现PCE突破具有重要作用。 A. Yang, Y. Sun, J. Zhang, F. Wang, C. Zhong, C. Yang, H. Hu, J. Liu, ………………………………