机器学习帮助研究人员开发效率接近记录的钙钛矿太阳能电池

2024-12-19 19:10:06 英文原文

AI app helps researchers develop perovskite solar cells with near-record efficiency — 方法概述。(A) 我们使用了三种数据库。源数据库是使用铃木耦合规则的两种商业单体的虚拟组合。中间数据库包含从源数据库中随机选择的分子，用于 DFT 计算。合成数据库包括本研究中使用的合成分子，包括用于模型训练的初始数据库和用于模型验证和校正的两个迭代数据库。(B) DFT 计算提供了中间数据库中分子的描述符。NumAtom，原子数；Mw，分子量；MolLogP，分配系数的分子对数。(C) 合成数据库中的分子是通过我们内部的高通量 (HT) 平台合成、纯化和表征的。(D) 合成的分子用作 PSC 中的 HTM，并在器件和半器件中进行表征。ITO，氧化铟锡；BCP/Ag、浴铜灵和银。(E) 该模型接受了 HTM 描述符和设备参数的训练。新分子被预测、合成和实验测量，并反馈到数据库。重复迭代直到从集合中发现最好的 HTM。(F) 总结和分析了分子迭代。信用：科学（2024）。DOI：10.1126/science.ads0901

一个国际科学家团队利用机器学习帮助他们开发出效率接近记录的钙钛矿太阳能电池。在他们的论文中发表在日记中科学，该小组描述了他们如何使用机器学习算法来帮助他们寻找新的空穴传输材料以提高钙钛矿太阳能电池的效率。

目前，太阳能电池的一部分被称为空穴传输层。其目的是在吸收光子后由半导体携带稳定电子产生的电子空穴对。这种传输的有效性对太阳能电池的效率起着重要作用，其有效性与其制造材料直接相关。

迄今为止，几乎没有发现可有效用于商业用途的。研究人员指出，所有这些都是通过对现有结构进行实验发现的，而不是对其工作原理进行基本了解。在这项新的努力中，研究团队采用了一种新方法，利用机器学习寻找新的有效材料。

该机器学习算法是使用从超过一百万个候选物的数据集中选出的 101 个分子来实现的。测试太阳能电池是使用合成材料制成的，其结果被用作人工智能的培训材料。然后，算法被要求提出有希望的新材料候选者，它回答说它能找到 24 个最有希望的候选者。

然后，该团队合成了候选物，并将其放入工作太阳能电池中进行测试。经过几轮此类测试，研究团队最终选定了一种空穴传输材料，从而构建了效率高达 26.2% 的钙钛矿太阳能电池。研究小组指出，此类电池的记录为 26.7%，这意味着他们的努力非常接近于提高此类电池的边界效率。

研究人员指出，在测试过程中，他们生产了几种接近最有效的材料，这表明他们的方法可以用来生产更多的候选材料，其中一些可能能够提高效率。

更多信息：吴建昌等人，逆向设计工作流程发现了适合钙钛矿太阳能电池的空穴传输材料，科学（2024）。DOI：10.1126/science.ads0901

引文:机器学习帮助研究人员开发效率接近记录的钙钛矿太阳能电池（2024 年，12 月 19 日）检索日期：2024 年 12 月 20 日来自 https://techxplore.com/news/2024-12-machine-perovskite-solar-cells-efficiency.html

本文档受版权保护。除了出于私人学习或研究目的的任何公平交易外，不得未经书面许可，不得复制部分内容。所提供的内容仅供参考。

关于《机器学习帮助研究人员开发效率接近记录的钙钛矿太阳能电池》的评论

暂无评论

发表评论

摘要

一个国际团队利用机器学习从超过一百万种候选材料中识别出新的空穴传输材料，开发出钙钛矿太阳能电池，其效率接近记录。经过多次综合和测试迭代，他们的效率高达 26.2%，接近当前 26.7% 的记录。这种方法展示了进一步提高电池效率的潜力。

机器学习帮助研究人员开发效率接近记录的钙钛矿太阳能电池

关于《机器学习帮助研究人员开发效率接近记录的钙钛矿太阳能电池》的评论

发表评论

摘要

相关新闻

相关讨论