Le celle solari a perovskite ad alogenuri metallici (PSC) sono state rapidamente sviluppate nell’ultimo decennio. Per ottenere PSC ad alte prestazioni, è imperativo ottimizzare i processi di fabbricazione e la composizione dei film di perovskite. È stato svolto un ampio lavoro per determinare gli effetti dei processi di fabbricazione e della composizione dei film di perovskite sulle prestazioni del dispositivo. Tuttavia, è stato difficile chiarire le loro correlazioni a causa dell’enorme spazio variabile costruito da questi fattori. L’esplorazione di queste relazioni è indubbiamente fondamentale per prevedere le prestazioni del dispositivo per un’ottimizzazione efficiente del dispositivo. Tuttavia, a causa della complessità di questi fattori, è stato finora impossibile svolgere questo lavoro solo attraverso la sperimentazione.
Recentemente, il professor Zheng Xu e il professore associato Dandan Song dell’Università Jiaotong di Pechino hanno adottato l’approccio dell’apprendimento automatico (ML) per esplorare queste correlazioni apprendendo i risultati sperimentali esistenti, consentendo così la previsione delle prestazioni del dispositivo da questi fattori. Gli effetti di questi fattori sulle prestazioni del dispositivo sono stati analizzati mediante l’analisi delle spiegazioni additive di Shapley (SHAP). Inoltre, per migliorare l’interpretabilità del modello ML, gli autori hanno considerato i cationi A-site come un esempio per spiegare e verificare i risultati previsti mediante calcoli ed esperimenti della teoria funzionale della densità (DFT). Questo lavoro chiarisce a fondo come ML guida l’ottimizzazione del dispositivo, fungendo quindi anche da guida per la progettazione inversa di esperimenti per ottenere PSC ad alte prestazioni.
Questa ricerca è stata pubblicata sul Journal of Energy Chemistry come “Previsione delle prestazioni del dispositivo delle celle solari di perovskite dai parametri sperimentali attraverso l’apprendimento automatico dei risultati sperimentali esistenti”.
A proposito del diario
Il Journal of Energy Chemistry è una pubblicazione che riporta principalmente ricerche creative e applicazioni innovative di conversioni chimiche di energia fossile, anidride carbonica, energia elettrochimica ed energia dell’idrogeno, nonché conversioni di biomassa ed energia solare relative a questioni chimiche per promuovere l’attività accademica scambi nel campo della chimica energetica e per accelerare l’esplorazione, la ricerca e lo sviluppo della scienza e delle tecnologie energetiche.
![](http://ihal.it/wp-content/uploads/2020/10/I-dati-geografici-basati-sullintelligenza-artificiale-stanno-rivoluzionando-il-modo-in-cui-risolviamo-la-domanda-di-alloggi-su-larga-scala.jpg)