稀土上转换发光材料在太阳能电池中的应用

传统的太阳能电池只能吸收能量大于半导体能隙的光子,能量小于半导体能隙的光子因为无法被吸收而被浪费掉,这一部分的能量损失高达50%。将上转换发光材料应用于太阳能电池中,将增加电池对能量小于半导体能隙的光子的吸收,极大提高太阳能电池的光电转换效率。稀土掺杂的上转换发光材料以其能够吸收红外光转换为可见光的独特性质,受到了国内外研究学者的广泛关注。这篇文章介绍了上转换发光材料的发光机制,以及近些年来稀土上转换发光材料在太阳能电池领域中的应用,包括硅基太阳能电池,染料敏化太阳能电池及钙钛矿太阳能电池。对稀土上转换发光材料在太阳能电池中应用所面临的困难以及潜在的解决方案做了总结与展望,有利于后续研究对稀土上转换发光材料在太阳能电池上的应用方向的探索,为提高太阳能电池的光电转化效率提供新思路,推进太阳能电池的大规模市场化应用。

面向功能材料属性预测的机器学习方法初探

近年来,在功能材料领域通过手工方式从数百上千的候选结构中挖掘合理的功能材料结构.该方法过度依赖于经验知识,无法满足材料科学高效精准的结构预测.为了克服该问题,初步探究面向功能材料属性预测的机器学习方法,通过深入结合统计机器学习方法和预测功能材料结构,进而挖掘合理的影响材料结构属性的因素.具体而言,通过不同带隙建立材料数据,利用传统机器学习和深度学习算法搜索出可能的材料结构属性,进而利用DFT计算确定最优材料结构.从钙钛矿带隙数据和具有判别和表达能力的属性之间确定一组封闭的结构-性质关系映射,通过利用机器学习技术所学到的关系映射从精度和效率两个方面优化提升功能材料设计模式.

太阳能电池板清洁机器人智能交互技术研究

针对太阳能电池板表面灰尘积累覆盖的问题,本文设计了一种清洁机器人智能交互技术,该光伏清扫机器人可以实现对光伏发电站光伏面板表面灰尘的自动清扫和智能人机交互功能。具体研究技术方案如下,首先需要处理视频和音频数据。对于视频数据,由于其数据量较大,所以要利用自然环境下高效的视觉信息表达方法进行处理,以便于实现实时的信息处理。其次视频作为一个重要的信息来源,机器人首先需要识别当前环境中的物体和行人,进行避障和路径规划,或者接近需要帮助的人,这要求要实现复杂场景下鲁棒视觉物体和行为识别。语音作为有效的信息交流和指令方式,远场抗噪语音识别及容错语义理解是服务型机器人的一项关键技术。另外不确定条件下视听信息融合和人机交互可以帮助机器人更好的理解人的指令,提供最优的自主清洁反馈推断和决策。