优化基于MXene的超宽带超材料极化不敏感太阳能吸收器,使用机器学习用于太阳能加热器应用

科学领域:

• 材料科学 材料科学 材料科学
• 纳米技术 纳米技术
• 可再生能源可再生能源是可再生能源.

背景情况:

• 优化太阳能生产和最小化损失对于可持续能源解决方案至关重要.
• 传统的太阳能吸收器在效率和带宽方面面临限制.

研究的目的:

• 设计和优化一种新的基于MXene/W的共振器太阳能吸收器 (MMRSA),用于增强太阳能采集.
• 调查MMRSA在广泛的光谱范围 (200-3000 nm) 的性能.

主要方法:

• 使用MXene和,用MgF2基板和MXene地面层制造一个共振器结构.
• 对横向电磁性能进行分析,以优化吸收器参数.
• 机器学习的应用用于参数优化,实现R2 = 0.97779和MSE = 6.869962 × 10−5.5.

主要成果:

• 在200-3000nm范围内达到94%以上的吸收率.
• 证明了极化不敏感和超宽带吸收 (1730nm带宽).
• 通过机器学习优化,与以前的方法相比,模拟时间减少了25%.

结论:

• 开发的MMRSA具有高吸收率和超宽带特性,适用于太阳能热水器.
• 负的元材料特性提高了吸收器的稳定性和性能.
• 机器学习显著加快了超材料太阳能吸收器的优化过程.