对于高性能光电子设备的高精度,高效和制造耐受性意识的纳米结构预测
Won-Kyeong Jeong1, Ki-Hoon Kim1, Chaehyun Park2
1Department of Information Convergence Engineering, Pusan National University, 49 Busandaehak-ro, Mulgeum-eup, Yangsan-si, Gyeongsangnam-do, 50612, Republic of Korea.
Scientific reports
|December 3, 2024
概括
这项研究介绍了一种人工智能驱动的方法,用于优化纳米结构,用于更好的光学设备. 这种方法通过提高光传导率,显著提高有机发光二极管和有机太阳能电池的效率.
科学领域:
- 材料科学 材料科学 材料科学
- 光电学是指光电子产品.
- 人工智能的人工智能
背景情况:
- 为光学设备优化纳米结构具有挑战性,需要更高效,更实用的方法.
- 关于将制造耐受性纳米结构设计为提高制造效率的有限研究存在.
研究的目的:
- 开发一种基于人工智能的实用战略,用于纳米结构优化,以提高光电子设备的性能.
- 根据纳米格结构变量准确预测传导率,并探索制造容忍度.
主要方法:
- 优化了支向量回归 (SVR) 模型,以学习纳米结构和传导率之间的复杂关系.
- 利用SVR模型在有限的训练数据下进行预测,并生成传导性纳米结构轮图.
- 实验验证了最佳的纳米格子结构,以实现最大可见光传导率.
主要成果:
- 该SVR模型只用216个数据点实现了传输率 (R2 = 0.995) 的高预测精度.
- 对于未经训练的条件,生成了一个传导性纳米结构轮图,具有良好的预测能力 (R2 = 0.949).
- 制造的纳米网格在SP-OLED中提高了17%的外部量子效率 (EQE),在OSC中提高了10.7%的功率转换效率 (PCE).
结论:
- 基于人工智能的方法为设计具有定制光学特性的纳米结构提供了实用和高效的方法.
- 该策略为制造容忍度提供了宝贵的见解,提高了制造效率.
- 优化的纳米结构显著提高有机光电子设备的性能.
