-
题名基于机器学习的有机太阳能电池能级预测及分子设计
- 1
-
-
作者
彭鑫裕
雷敏
赵潇捷
彭志嫣
-
机构
湖南工业大学电气与信息工程学院
湖南工业大学轨道交通学院
-
出处
《湖南工业大学学报》
2024年第5期33-39,共7页
-
基金
湖南省省市联合基金资助项目(2020JJ6071)。
-
文摘
作为分布式可再生能源关键组成部分的有机太阳能电池,其效率的主要限制因素是分子的最高占据分子轨道(HOMO)和最低未占据分子轨道(LUMO)之间的能级差异。为了能降低有机太阳能电池的制造成本,提高有机太阳能电池的能量转换效率,提出利用机器学习分析有机太阳能电池的能级,指导分子设计。首先,利用机器学习的高效性和成本效益,筛选出20个关键特征,以深入分析其如何影响光伏器件的性能。随后,构建了6种不同的预测模型,对比发现其中基于梯度提升的XGBT模型在预测有机太阳能电池性能方面表现最佳,其决定系数为0.8,并且其均方根误差仅为0.2。最后,利用该模型有效地预测了有机太阳能电池的性能,并且通过对HOMO与LUMO的深入分析,成功识别出两种影响有机太阳能电池能级的关键分子结构。
-
关键词
机器学习
分布式新能源
有机太阳能电池
最高占据分子轨道
最低未占据轨道
-
Keywords
machine learning
distributed new energy
organic solar cell
highest occupied molecular orbital(HOMO)
lowest unoccupied molecular orbital(LUMO)
-
分类号
TP206.1
[自动化与计算机技术—检测技术与自动化装置]
-