Проблема исследования стабильности перовскитных солнечных элементов с помощью машинного обучения
The challenge of studying perovskite solar cells’ stability with machine learning
2023-04-03
SCID: 54.1/fvws3ktn
Discuss with AI
Проект базы данных перовскитовслучайный лесстабильность устройствкривые обученияперovскитные солнечные элементы
Figures from the paper
Abstract (AI)
Перовскитные солнечные элементы являются наиболее динамично развивающейся перспективной фотовольтаической технологией и привлекают внимание тысяч исследователей по всему миру. В последнее время многие исследователи сосредоточились на стабильности устройств — ключевой проблеме этой технологии, — что привело к накоплению значительного объёма данных. Наиболее ярким примером является «Perovskite Database Project», который также включает метрики, связанные со стабильностью. На основе этой базы данных мы используем сведения о 1 800 перовскитных солнечных элементах, для которых сообщается стабильность устройств, и применяем модель случайного леса для выявления и изучения наиболее важных факторов, влияющих на стабильность элементов. Применяя концепцию кривых обучения, мы обнаруживаем, что возможности повышения эффективности моделей за счёт добавления большего объёма данных того же качества ограничены. Однако значительного улучшения можно достичь посредством повышения качества данных за счёт более полного описания проведённых экспериментов. Кроме того, мы исследуем внутреннюю базу данных, содержащую сведения более чем о 1 000 солнечных элементах, для каждого из которых доступна полная кривая старения, в отличие от метрик стабильности, основанных на одном числовом показателе. Мы показываем, что интерпретация экспериментов по старению может сильно зависеть от выбранной метрики стабильности, искусственно отдавая предпочтение одним элементам перед другими. Поэтому выбор универсальных метрик стабильности является критически важным вопросом для будущих баз данных, ориентированных на эту перспективную технологию.
Key Findings
1
Анализ 1 800 перовскитных солнечных элементов методом случайного леса выявил факторы, связанные со стабильностью устройств, используя данные проекта Perovskite Database Project.
2
Анализ более 1 000 элементов с полными кривыми старения показал, что интерпретация стабильности сильно зависит от выбранной метрики.
3
Кривые обучения показывают, что добавление данных сопоставимого качества лишь ограниченно улучшает эффективность моделей стабильности.
4
Более полное описание экспериментальных условий и результатов может существенно повысить качество моделей машинного обучения стабильности перовскитных солнечных элементов.
5
Универсальные стандартизированные метрики стабильности необходимы для будущих баз данных, поскольку метрики в виде одного числа могут искусственно предпочтительно оценивать одни элементы по сравнению с другими.
Research Object
Перовскитные солнечные элементы и данные об их зарегистрированном старении/стабильности
Research Subject
Факторы, определяющие стабильность устройств, влияние количества и качества данных на эффективность моделей машинного обучения и зависимость интерпретации экспериментов по старению от выбранной метрики стабильности
Publication Details
Publication Date
2023-04-03
Journal
Publisher
ISSN
Cited by
29
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
Высокостабильные и эффективные полностью неорганические бессвинцовые перовскитные солнечные элементы с пассивацией нативным оксидом2018
Стабильность перовскитных солнечных элементов: механизмы деградации и способы их устранения2021
Повышение стабильности перовскитных солнечных элементов посредством композиционной инженерии и инженерии интерфейсов2021
Проблемы стабильности перовскитных солнечных элементов: критический обзор2021