机器学习辅助基于比提奥芬的捐赠接受器选择,为光伏应用设计新的光染料
Sadaf Noreen1, Sajjad H Sumrra1, Abrar U Hassan2
1Department of Chemistry, University of Gujrat, Gujrat, 50700, Punjab, Pakistan.
Journal of fluorescence
|January 11, 2025
概括
新设计的基于比西奥芬的染料,使用机器学习进行优化,显示出有希望的光伏 (PV) 性能. 染料TA2和TA3表现出高光收集效率和优异的电荷提取,表明了先进太阳能电池应用的潜力.
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
- 有机电子 有机电子
背景情况:
- 基于比索芬的染料对于有机太阳能电池至关重要.
- 优化捐赠-接受器设计是提高光伏性能的关键.
- 机器学习为加速材料发现提供了一种强大的方法.
研究的目的:
- 设计和研究基于比西奥芬的新型染料,以提高光伏 (PV) 的性能.
- 探索这些新染料的电子特性和光采集效率 (LHE).
- 确定下一代太阳能电池应用的主要候选人.
主要方法:
- 利用机器学习 (ML),特别是随机森林 (RF) 回归,预测2567个电子捐赠组的带隙.
- 合成和表征了基于比西奥芬的新型染料,专注于吸收光谱 (λmax).
- 评估的光伏关键参数:光采集效率 (LHE),开放电路电压 (Voc),填充因子 (FF) 和短路电流密度 (Jsc).
主要成果:
- 最大吸收 (λmax) 值在367-501nm之间,TA1显示最高.
- 光采集效率 (LHE) 从52%到89%不等,TA3达到最高.
- TA2在1.584V的开放电路电压 (Voc) 中显示出最高的电压,而TA3在59.3%的最佳填充系数 (FF) 中显示出最佳填充系数.
- TA1实现了最高的短路电流密度 (Jsc) 在39.43mA/cm2,表明强大的性能潜力.
结论:
- 新设计的基于比西奥芬的染料,特别是TA2和TA3,具有出色的电子性能和光伏性能.
- 这些染料在提高有机太阳能电池效率方面具有显著的潜力.
- 该研究强调了基于机器学习的设计在加速发现高性能光伏材料方面的有效性.
