紐約州立大學ACS AMI: 機器學習預測甲基銨錫基鈣鈦礦中的最佳Br摻雜 2023年10月15日 下午4:58 ? 未全平臺發布, 頂刊 ? 閱讀 21 作為鹵化鉛鈣鈦礦潛在替代者的有機-無機鹵化錫鈣鈦礦家族(MASnX3,其中X = Cl、Br、I)由于其帶隙可調性,可通過用溴化學取代碘來覆蓋廣泛的可見太陽光譜。盡管這些鈣鈦礦太陽能電池具有巨大的潛力,但其穩定性一直是一個值得關注的領域。 在此,美國紐約州立大學Saquib Ahmed等人基于監督機器學習(ML)準確預測單結MASnI3-xBrx器件中的最佳Br摻雜濃度,在使用太陽能電池電容模擬器 (SCAPS)構建的42000個獨特器件上進行了數據驅動的優化。通過改變Br摻雜百分比、帶隙、電子親和力、串聯電阻、背接觸金屬和受體濃度來研究這些器件,這些參數是專門選擇的,因為它們的可調性質和可以通過器件的簡單實驗制備技術進行改性。 作者利用五種不同的算法(線性回歸(LR)、支持向量回歸 (SVR)、多層感知機(MLP)、隨機森林(RF)回歸和極端梯度提升(Xgboost))來研究特征工程,此外,在設備內摻雜Br之前的第一步包括對純錫基系統MASnI3的驗證研究:實現了6.71% 的功率轉換效率(PCE),與實驗數據非常吻合。 圖1. LR和RF模型的訓練和測試集的實際帶隙和預測帶隙之間的比較 結果表明,最佳Br摻雜的ML分析導致發現了兩種Br濃度分別為22.43% (Br22) 和25.63%(Br25)的器件,后者是通過更嚴格的分析獲得的更精細的值。為了了解每個特征對PCE的總體和相對影響,作者使用SHAP方法進行分析。針對發現的兩個器件,利用SCAPS進行了進一步的器件優化。 作者嘗試了吸收體厚度、體積和界面缺陷密度的調控及電子傳輸層(ETL)和空穴傳輸層 (HTL)材料的選擇,通過載流子壽命研究分析了器件穩定性。在這些優化步驟之后,Br22和Br25的最終PCE值分別為20.72% 和17.37%。總之,當前工作的ML輔助定量分析為最佳Br摻雜錫基器件提供了極大的信心,使其被視為傳統技術的可行且具有競爭力的無毒替代品。 圖2. Br22和Br25的缺陷能級和相應的缺陷濃度 Supervised Machine Learning-Aided SCAPS-Based Quantitative Analysis for the Discovery of Optimum Bromine Doping in Methylammonium Tin-Based Perovskite (MASnI3–xBrx), ACS Applied Materials & Interfaces 2021. DOI: 10.1021/acsami.1c15030 原創文章,作者:v-suan,如若轉載,請注明來源華算科技,注明出處:http://www.zzhhcy.com/index.php/2023/10/15/6e08f9c8be/ 機器學習 贊 (0) 0 生成海報 相關推薦 郭靜/曹端云/郭慶JACS:STM/AFM結合理論計算,證實界面水促進Cu(111)上甲酸去質子化 2023年12月24日 上交大/重大AEM:高性能鋰離子電池負極,倍率達100 C,壽命超3000圈! 2023年10月10日 AFM:解碼Li+/Na+交換路徑制備高性能Mn基層狀鋰離子電池正極 2023年10月8日 催化頂刊合集:Nature子刊、Angew、AFM、ACS Nano、ACB、Nano Lett等成果! 2023年10月3日 當氧化鈷碰上氧析出,成就一篇Nature Energy! 2023年11月1日 ?吉森大學AEM:在銅-NaSICON界面鈉沉積獲得無陽極固態鈉電池 2024年1月15日