打开网易新闻 查看精彩图片

打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片

钙钛矿太阳能电池（PSC）是未来光伏技术中备受关注的重要器件。研究表明，在PSC中添加有机间隔物是提高其功率转换效率（PCE）的有效方法，但如何快速筛选出合适的有机间隔物仍然是一个巨大的挑战。

在本文中，河南大学Putao Zhang和Shengjun Li等人使用机器学习 (ML) 方法来筛选材料，研究了可用作有机间隔物的铵盐的特征描述符与 PCE 之间的联系。我们使用为机器学习模型构建的 27 种常见碘化铵数据集来预测同年改进的 PCE 与其最高认证效率的比率。其中，分子量和氢键供体的数量被计算为选择用于有机间隔物的重要特征。

使用最佳机器学习模型筛选从数据库中收集的112个有机间隔基，预测最佳碘化铵盐为PEAI。该工作建立了有效筛选用于二维钙钛矿太阳能电池的有机间隔物的标准。

打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片

Mai, Y., Tang, J., Meng, H. et al. Machine learning-based screening of two-dimensional perovskite organic spacers. Adv Compos Hybrid Mater 7, 104 (2024).

https://doi.org/10.1007/s42114-024-00910-w

学术交流QQ群

知光谷光伏器件学术QQ群：641345719

钙钛矿产教融合交流@知光谷（微信群）：需添加编辑微信

为加强科研合作，我们为海内外科研人员专门开通了钙钛矿科创合作专业科研交流微信群。加微信群方式：添加编辑微信pvalley2024、pvalley2019，备注：姓名-单位-研究方向（无备注请恕不通过），由编辑审核后邀请入群。