数据驱动的优化和机械评估的矿太阳能电池通过堆叠组合和SHAP可解释性
Ruichen Tian1,2, Aldrin D Calderon1,2, Quanrong Fang3
1School of Mechanical, Manufacturing, and Energy Engineering, Mapua University, Muralla Street, Intramuros, Manila 1004, Philippines.
Materials (Basel, Switzerland)
|September 27, 2025
概括
一个基于数据的模型加速了矿太阳能电池 (PSC) 设计,预测了性能和机械强度. 这种方法减少了实验力度,使得可持续光伏技术的高效开发成为可能.
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.
- 计算建模 计算建模
背景情况:
- 矿太阳能电池 (PSC) 提供高功率转换效率 (PCE) 和材料多功能性.
- 传统的PSC优化依赖于缓慢,代的实验方法.
- 加快设计高效和强大的PSC对于推进光伏技术至关重要.
研究的目的:
- 引入数据驱动的建模策略,以加速设计高效且机械稳固的PSC.
- 评估监督回归模型来预测光伏关键参数.
- 通过实验制造和机械评估来验证预测模型.
主要方法:
- 评估了七种监督回归模型,用于预测PCE,Jsc,Voc和FF.
- 采用堆叠组合框架,以获得更高的预测准确度 (PCE的R2=0.8577).
- 利用SHAP分析来分析模型的可解释性,确定关键的有影响力的参数.
- 进行了多层次的机械评估 (曲,压缩,冲击,粘附,纳米痕).
主要成果:
- 堆叠组合模型在预测光伏参数方面取得了很高的准确性.
- SHAP分析确定了前体溶剂成分,A位点阴离子比率和HTL添加剂作为关键因素.
- 基于模型洞察力的制造设备实现了最大PCE的24.9%.
- 优化的PSC显示了增强的界面稳定性和抗破裂性.
结论:
- 数据驱动的预测实验框架有效地加速了PSC设计的性能和可靠性.
- 这种方法为开发可扩展和持久的矿太阳能电池技术提供了基础.
- 计算建模与实验验证相结合,是下一代光伏的关键.
更多相关视频
11:38Influence of Hybrid Perovskite Fabrication Methods on Film Formation, Electronic Structure, and Solar Cell Performance
Published on: February 27, 2017
19.0K
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
6.7K
