机器学习启用光学架构设计矿太阳能电池的设计
Zong-Zheng Li1,2, Chaorong Guo2, Wenlei Lv2
1Beijing Key Laboratory of Nanophotonics & Ultrafine Optoelectronic Systems, School of Physics, Beijing Institute of Technology, Beijing 100081, China.
The journal of physical chemistry letters
|April 1, 2024
概括
研究人员使用人工智能和模拟来设计矿太阳能电池的金字塔结构,将电力转换效率 (PCE) 提高到28.4%. 这种设计超越了当前的记录,并为未来的太阳能电池开发提供了指导.
科学领域:
- 材料科学 材料科学 材料科学
- 可再生能源可再生能源是可再生能源.
- 计算建模 计算建模
背景情况:
- 矿太阳能电池是一种有前途的可再生能源技术,其功率转换效率 (PCE) 超过26%.
- 单环矿太阳能电池的理论PCE极限约为33%,这表明有很大的改进空间.
- 目前的研究重点是优化细胞结构,以接近这一理论极限.
研究的目的:
- 探索矿太阳能电池的新型结构设计,以提高功率转换效率 (PCE).
- 为了研究与平面结构相比,金字塔结构对单节FAPbI3细胞的潜力.
- 利用神经网络逆向设计和高通量计算来指导光电子设备的开发.
主要方法:
- 利用神经网络模型和高通量模拟计算的组合.
- 作为一个案例研究,模拟了一个单节 FAPbI3 矿太阳能电池.
- 将平面结构的性能与新设计的金字塔结构进行了比较.
主要成果:
- 金字塔结构显示了较高的短路电流密度 (Jsc) 27.4 mA/cm2和PCE 28.4%.
- 这些模拟结果超过目前报告的矿太阳能电池实验值.
- 确定了金字塔结构的优化周期性和倾斜角度,与晶太阳能电池纹理保持一致.
结论:
- 神经网络的反向设计与高通量计算相结合,显示了推进光电子设备的巨大潜力.
- 金字塔结构提供了一个可行的途径,以提高矿太阳能电池的性能.
- 这些发现为设计高效的单体矿-联太阳能电池提供了理论见解.
