加快薄膜光伏技术的发展:使用光谱和光电子技术的人工智能辅助方法
Enric Grau-Luque1,2, Ignacio Becerril-Romero1, Fabien Atlan1,2
1Catalonia Institute for Energy Research - IREC, Sant Adrià de Besòs, Barcelona, 08930, Spain.
Small methods
|March 28, 2024
概括
本研究介绍了一种结合组合分析 (CA) 和人工智能 (AI) 的方法,以加快复杂薄膜光伏 (TFPV) 材料和设备的开发. 这种方法简化了物业评估和数据分析,以实现更快的优化.
科学领域:
- 材料科学 材料科学 材料科学
- 太阳能光伏发电是如何实现的
- 数据科学数据科学数据科学
背景情况:
- 薄膜光伏 (TFPV) 材料表现出复杂的多层,多层和多元件结构,需要广泛的专业知识来开发.
- 评估物理化学性质对于TFPV优化至关重要,但往往需要大量的时间和专业知识.
- 组合分析 (CA) 和人工智能 (AI) 提供了强大的工具来加速复杂材料和设备的开发.
研究的目的:
- 在TFPV技术开发中引入整合AI和CA的综合方法.
- 提供从样本合成到数据分析和信息提取的逐步指南.
- 证明该方法在加速研发方面的有效性.
主要方法:
- 开发一种方法,包括用于CA的样本合成,数据采集和人工智能辅助数据分析.
- 详细解释每个步骤的概念,要求和程序,并以文献示例为依据.
- 将方法应用于现实世界TFPV生产线数据集.
主要成果:
- 拟议的方法有效地促进了采用AI和CA用于TFPV开发.
- 从复杂的TFPV数据集中快速提取重要见解的能力,即使在复杂的场景中也是如此.
- 在TFPV生产线上成功应用,突出了实际实用性.
结论:
- 提出的方法极大地加快了TPFV材料和设备的开发和优化.
- 该方法具有多功能性,适用于光伏以外的其他材料类型和设备技术.
- 这一框架使材料科学研究中的数据驱动决策能够高效地进行.
更多相关视频
11:30Recombination Dynamics in Thin-film Photovoltaic Materials via Time-resolved Microwave Conductivity
Published on: March 6, 2017
11.7K
06:49In situ Grazing Incidence Small Angle X-ray Scattering on Roll-To-Roll Coating of Organic Solar Cells with Laboratory X-ray Instrumentation
Published on: March 2, 2021
6.3K
