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,
………………………………