使用人工智能技术预测反转有机太阳能电池的功率转换效率参数
Mustapha Marzouglal1, Abdelkerim Souahlia2, Lakhdar Bessissa3
1Laboratory of Studies and Development of Semiconductor and Dielectric Materials, LeDMaScD, University Amar Telidji of Laghouat, BP 37G Route of Ghardaïa, Laghouat, 03000, Algeria.
Scientific reports
|October 30, 2024
概括
机器学习准确地预测有机光伏降解. 在预测电力转换效率方面的这一进步有助于可持续能源技术.
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.
- 人工智能的人工智能
背景情况:
- 有机光伏电池 (OPV) 提供轻量级,灵活和经济高效的可持续能源解决方案.
- 由于内部材料降解和外部环境因素,预测OPV寿命是复杂的.
研究的目的:
- 开发一种机器学习 (ML) 技术,用于预测随着时间的推移OPV降解.
- 准确预测特定的反转有机太阳能电池 (iOSC) 的功率转换效率 (PCE).
主要方法:
- 采用多层感知器 (MLP) 和长短期记忆 (LSTM) 神经网络.
- 使用了在N2环境中用PTB7-Th:PC70BM混合物和PFN电子传输层 (ETL) 制造的iOSC的数据.
- 评估模型性能使用统计指标,如MSE,rMSE,RSE,RAE和R.
主要成果:
- 该LSTM模型在预测PCE方面表现出很高的准确性.
- 实现了最小的预测错误:RSE为0.0325,RAE为0.0729,rMSE为0.2223和MSE为0.0541.
结论:
- 拟议的ML模型,特别是LSTM,可以准确预测OPV性能和退化.
- 这种预测能力支持通过可靠的OPV预测来推动可持续能源技术的发展.
更多相关视频
14:01Making Record-efficiency SnS Solar Cells by Thermal Evaporation and Atomic Layer Deposition
Published on: May 22, 2015
42.7K
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
6.2K
