机器学习辅助钙钛矿太阳能电池制备工艺参数优化
摘要
近年来，以钙钛矿为材料的太阳能电池效率方面表现突出，吸引了大量研究人员的关注。然而，钙钛矿太阳能电池的制备过程通常依赖传统的试错法进行工艺参数优化，这一过程耗时且效率低下。针对该问题，提出了一种基于机器学习的工艺参数优化策略，结合随机森林、极限梯度回归和自适应提升算法作为基学习器，并通过加权平均集成策略构建了钙钛矿太阳能电池效率预测模型（PCEPM），用于预测不同工艺参数下钙钛矿的电池效率。实验结果表明，PCEPM在钙钛矿太阳能电池效率预测中表现优异（均方根误差为0.620、平均绝对误差为0.469、R2=0.838）。进一步地，通过预测随机生成的工艺参数并选择最佳参数进行实验，最终制备出效率达到23.72%的钙钛矿太阳能电池，有效提升了研发效率。该方法可以有效挖掘工艺参数之间的关系，缩短优化时间，为机器学习在钙钛矿材料研发中的应用提供了一个新的思路。
引用本文（GB/T 7714）
高音 Gao Yin, 李阳 Li Yang, 夏创林 Xia Chuanglin, 等. 机器学习辅助钙钛矿太阳能电池制备工艺参数优化[J]. Laser & Optoelectronics Progress, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。