人工智能生成的联体,用于高效和稳定的2D/3D异质连接矿太阳能电池
Ge Yan1, Hongcai Tang1, Yangzi Shen1
1State Key Laboratory of Metal Matrix Composites, Shanghai Jiao Tong University, Shanghai, 200240, China.
Advanced materials (Deerfield Beach, Fla.)
|May 6, 2025
概括
人工智能加速了用于2D/3D矿太阳能电池 (PSC) 的新型联体 (AL) 的设计. 这一创新增强了载体运输,提高了功率转换效率 (PCE) 和设备稳定性.
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:
- 2D/3D异质连接矿太阳能电池 (PSC) 提供高稳定性.
- 在二维矿层中的量子井阻碍了载体运输,降低了功率转换效率 (PCE).
- 了解运输障碍与联体 (AL) 结构之间的联系对于二维矿的发展至关重要.
研究的目的:
- 探索AL结构和2D矿封顶层中的运输障碍之间的关系.
- 开发一种人工智能驱动的方法来设计新的ALS以改善航母运输.
- 增强PSC的PCE和运营稳定性.
主要方法:
- 建立了一个机器学习程序来分析AL结构-运输障碍关系.
- 综合强化学习用于加速生成候选ALS.
- 制造和测试的倒置PSC与AI设计的AL.
主要成果:
- 人工智能设计的AL显著改善了2D矿封顶层中的载体运输.
- 在反向PSC中实现了26.12%的认证功率转换效率 (PCE).
- 设备表现出卓越的运行稳定性,在2000小时以85°C的1太阳照明下保持96.79%的初始PCE.
结论:
- 人工智能和机器学习为优化二维矿材料提供了一个强大的平台.
- 通过人工智能设计的新型AL可以提高PSC的效率和长期稳定性.
- 这种方法为开发先进的矿太阳能电池技术提供了更有效的途径.
