钙钛矿太阳电池高效光电耦合仿真与机器学习研究(特邀)

十几年来,钙钛矿太阳能电池(PSCs)由于其在功率转换效率和制造成本方面的显著优势而备受关注。然而,其复杂的物理机制和众多限制因素给实验设计、工艺制造和综合优化策略带来挑战。以光电多物理场耦合模型为核心,开展一系列多物理场仿真计算,研究光电耦合模型的底层物理和边界条件,获得PSCs包括光学性能和电学性能的大量数据。根据这些数据,建立微观物理量和宏观光电响应的神经网络及机器学习模型,成功预测PSCs的光学和电学性能,其误差在3%以内,且速度较快。结合遗传算法,该模型根据给定的响应曲线反向优化结构参数,进而获得更高效率的PSCs。该研究有效解决了PSCs因光电耦合机制复杂、物性参数众多、仿真速度较慢而难以优化设计等难题,为光伏器件快速智能化设计提供了一种可行路径。