基于GO-TiO2的纳米复合光电极的CdS量子点感应太阳能电池的界面量子动力学和人工智能驱动工程
Salaheddine Mansouri1, Mokhtar Hjiri2, Nejmeddine Yahyaoui1
1Laboratory of Physics of Materials and Nanomaterials Applied at Environment (LaPhyMNE-LR05ES14), Faculty of Sciences in Gabes, Gabes University, 6072 Gabes, Tunisia. mansourislah@gmail.com.
Physical chemistry chemical physics : PCCP
|October 6, 2025
概括
石墨烯氧化物修饰的TiO2光电极通过改善电荷转移来提高量子点敏感太阳能电池的性能. 混合人工智能和物理模型增强了对这些基于石墨烯的太阳能设备的理解和预测.
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.
- 纳米技术纳米技术
背景情况:
- 量子点敏感太阳能电池 (QDSSC) 在电荷分离效率方面面临限制.
- 在QDSSC中缺乏纳米级量子相互作用的预测模型.
研究的目的:
- 通过解决接口电荷分离,提高QDSSC性能.
- 为QDSSC优化开发一个混合理论-人工智能 (AI) 框架.
主要方法:
- 使用氧化石烯 (GO) 修改的TiO2光电极制造CdS QDSSC.
- 开发一个界面汉密尔顿模型用于光电流分析.
- 在J-V数据上训练的人工神经网络 (ANN) 的应用,用于预测.
主要成果:
- 采用GO改进了光电极中的电子移动性和电荷转移.
- 最好的设备实现了2.03 mA cm-2的短路电流密度 (Jsc) 和0.43 V的开路电压 (Voc).
- 混合模型提供了机械洞察力和准确的光电流预测.
结论:
- 混合物理-AI策略为基于石墨烯的QDSSC的合理优化提供了一个强大的途径.
- 解决机制性理解和预测能力对于推进QDSSC技术至关重要.


