卡尔斯鲁厄理工学院Ulrich W. Paetzold最新EES：深度学习用于可扩展钙钛矿薄膜制造的增强过程监控

文章预览

可重复的大面积制造是钙钛矿光伏商业化面临的剩余挑战之一。通过深度学习增强的成像方法可以在线检测空间或时间不一致性，并预测观察到的变化对设备性能的影响。鉴于此，2025年1月7日 卡尔斯鲁厄理工学院Ulrich W. Paetzold 于EES刊发深度学习用于可扩展钙钛矿薄膜制造的增强过程监控的研究成果，展示了三个用例，说明 深度学习 如何增强大面积钙钛矿薄膜形成的复杂实验数据分析，即使在中等大小的数据集上也是如此。首先，通过区分前体性质变化来展示材料成分监测，确保制造过程中的材料一致性。其次，通过预测器件最终确定之前的整体性能来提供早期薄膜质量评估。最后，将方法从参数预测扩展到生成过程控制建议，通过预测监测信号作为可变过程参数的函数并预测相应的器件性能。通过解决人类几乎不可能解决的任务，展示了 深度 ………………………………