top of page

機器學習助力太陽能革命:鈣鈦礦太陽能電池研究迎來新突破


近期關於鈣鈦礦太陽能電池(PSC)的研究表明,機器學習(ML)正成為解決該領域中覆雜問題的新途徑。儘管傳統方法如實驗試錯和理論計算費時費力,但ML作為數據驅動的方法,能夠從已有數據中發現因果關系,有望加速PSC商業化進程。

早期應用ML預測PSC材料屬性時,數據量有限限制了模型的精度。儘管量子力學方法如密度泛函理論(DFT)精度更高,但ML仍具有計算成本低的優勢。近期研究者利用ML篩選PSC器件界面材料取得重大進展,例如發現了鈍化劑ThEACl、2-PPAI和ST,證明了ML在數據有限情況下仍有廣闊應用前景。

然而,小數據集仍然是ML應用的主要挑戰,一項針對PSC的大型數據庫建設為ML提供了寶貴資源,但由於數據來源多樣,存在大量缺失值,需要更多研究者共同努力完善。

針對數據問題,最新研究提出了遷移學習和深度學習方法,通過從尖晶石等材料中擴展數據集,可以用較少的PSC數據實現更高的預測精度,為解決數據問題提供新思路。總的來說,ML在PSC領域的應用前景廣闊,但仍需克服數據限制和優化模型,以推動該領域的進一步發展。 參考文獻及圖片來源:

The Innovation | 机器学习将彻底改变钙钛矿太阳能电池研究模式;


近期熱門文章:

74 次查看0 則留言

Comments


bottom of page