最新最快太阳能光伏资讯
太阳能光伏网

厦门大学基于机器学习方法探索出影响钙钛矿太阳能电池寿命的关键因素

近日,厦门大学电子科学与技术学院李琳教授、陈孟瑜助理教授、李澄教授等人在一区TOP期刊《ACS Sustainable Chemistry & Engineering》上发表题为“Machine Learning-assisted Analysis of Perovskite Solar Cell Long-term Stability under Multiple Environmental Factors”的研究成果,提出了一种基于机器学习的方法,用于分析影响钙钛矿太阳能电池(PSCs)长期稳定性的关键因素。

PSC在过去十年中取得了重大进展。然而,长期稳定性差是PSC面临的主要挑战,这阻碍了其大规模商业化。传统上,为了优化复杂的影响寿命的参数主要依赖于试错实验方法,这种方法耗时且需要大量资源。考虑到这些影响因素的复杂性,从巨大的参数空间和相互耦合特性来看,迫切需要有效的研究策略和方法来优化PSC的长期稳定性,加快其商业化进程。已有不少研究展示了利用机器学习(Machine Learning, ML)通过大量的实验数据和模拟数据来分析钙钛矿材料的性能和行为,提高了速度和准确性。

厦门大学电子科学与技术学院李澄教授、李琳教授、陈孟瑜助理教授等提出了一种基于ML的方法,用于分析影响PSC长期稳定性的关键因素。该方法引入多头注意力(Multi-Head)机制,有效挖掘多种输入数据的内在联系,包括外部环境参数与内部结构参数。整个研究主要分为四个部分:

首先,研究团队提出了一种基于Multi-Head机制的ML方法,用以同时处理多种影响PSC稳定性的外部与内部参数。结合挤压激励残差网络(SEResNet),该方法实现了较高的预测精度,相关系数(R²)达到0.972,Pearson相关系数(r)为0.986。

其次,研究团队应用SHapley Additive exPlanations (SHAP)算法,识别影响PSC稳定性的关键因素,即外部环境参数和内部结构参数。基于约2000个PSC器件的高通量预测,深入分析了这些关键因素之间的交互作用,有助于多维度展示其对器件稳定性的影响。

随后,研究团队开展了器件寿命实验,以验证模型预测结果的可靠性。通过一系列PSC器件的制备与性能测试,验证了模型预测的PSC寿命趋势与实验结果之间具有高度一致性,进一步印证了该ML模型在实际应用中的有效性与准确性。

最后,研究团队预测了在85 ºC和85%相对湿度下,具备最优长期稳定性的PSC体系结构。本研究的创新之处不仅在于展示了ML在预测器件稳定性与提取关键参数方面的巨大潜力,也在于其通过融合先进的ML技术,显著提升了PSC性能预测的准确性,为实现长期稳定的PSC器件提供了新的设计思路与研究路径。

图1.基于Multi-Head机制和SHAP算法的SEResNet模型的架构。(a)基于Multi-Head机制的SEResNet (Multi-Head SEResNet)模型模式。 (b) SHAP算法计算流程简图。

该研究工作以“Machine Learning-assisted Analysis of Perovskite Solar Cell Long-term Stability under Multiple Environmental Factors”为题发表在一区期刊ACS Sustainable Chemistry & Engineering上。该项工作由李琳教授团队和陈孟瑜助理教授、李澄教授团队合作完成,2020级博士研究生赵珊珊为该工作第一作者。研究工作得到科技部国家重点研发计划(2023YFB3611203),国家自然科学基金(62001405),福建省自然科学基金(2024J01055)。

最新相关

27.5GW,印度光伏企业加速扩产

近期,印度光伏产业再传重磅消息。印度太阳能制造商Premier Energies与中美硅制品公司(SAS)成立合资公司,将在印度生产用于太阳能电池的高品质硅片,初期规划2GW产能,未来,该公司还将配合印度政...

赴港IPO,宁德时代的AB面

在科技与商业史上,比尔·盖茨那句"微软离破产永远只有18个月"的警示,早已成为企业危机意识的经典注脚。正是这种刻入企业基因的危机感,推动微软从PC时代的垄断性全球霸主蜕变为云计算时代的领...

内蒙古电力集团与包铝集团座谈交流

内蒙古电力集团与包铝集团座谈交流

5月20日,内蒙古电力集团党委书记、董事长张海峰与到访的包铝集团党委书记、总经理李志强一行举行座谈。双方就加强合作、推动产业协同发展等议题进行了深入交流,共商合作发展新路径。张海峰对...