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
计算材料学
2024-12-19 14:29
文章摘要
本研究由深圳职业技术大学、中国科学院和哈尔滨工业大学的研究人员合作完成，通过机器学习（ML）模型预测钙钛矿太阳能电池（PSCs）的功率转换效率（PCE），显著提高了实验效率。研究团队建立了一个包含2079个实验数据的高质量数据集，利用机器学习模型预测PCE值，取得了决定系数（R²）为0.76的优异成绩。在12个验证实验中，预测值与实际值的平均绝对误差仅为1.6%。通过机器学习推荐的改进策略，实验中的钙钛矿太阳能电池PCE提升至25.01%，部分预测值甚至可达28.19%。这一研究为提高钙钛矿太阳能电池的PCE提供了有效的实验策略，对推动该领域的技术进步具有重要意义。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
京公网安备 11010802042870号
京ICP备2023020795号-1
