WileyChinaBlog分享 http://blog.sciencenet.cn/u/WileyChina

博文

[转载]南昌大学江民林团队:机器学习(ML)技术与太阳能电池研究相结合领域的文献综述

已有 696 次阅读 2019-10-14 19:41 |个人分类:热点研究|系统分类:科普集锦|文章来源:转载

​       近日,Energy & Environmental Materials(《能源环境材料》)在线发表了南昌大学高等研究院江民林团队对机器学习(ML)技术与太阳能电池研究相结合领域的文献综述:"Machine Learning (ML)-Assisted Design and Fabrication for Solar Cells",(《机器学习辅助太阳能电池设计和制备》)。

该文献综述第一作者为南昌大学高等研究院本科生李帆同学。南昌大学为第一完成和通讯单位,美国卡内基梅隆大学计算生物学系Min Xu教授为共同通讯作者。

太阳能电池作为光伏技术的核心元件,经过几十年的发展,在效率方面取得了长足的进步。典型太阳能电池的研制包括三个主要方面: 寻找合适的光伏材料、优化器件结构、发展制造工艺。太阳能电池的制备过程中,需要考虑大量的实验参数,大多数研究开发过程中都采用试错法,这种方法既昂贵又耗时。机器学习(ML)作为一门多领域交叉学科,专门研究如何从已知数据中学习并执行特定任务。由于数据的快速积累和计算机硬件的不断进步,它已成为近年来的研究热点, ML在太阳能电池设计和制造中的应用起步缓慢,但在最近几年其应用范围不断扩大。

江民林团队对ML技术在太阳能电池方面的应用展开研究工作,并对此研究课题进行整体梳理,集中概括了应用于太阳能电池的典型ML技术,其中涉及人工神经网络(ANN)(图1)、遗传算法(GA)(图2)、粒子群优化算法(PSO)等多种ML技术(图3),同时对ML在太阳能电池中的应用进行了综述。文献的检索和整理结果表明,ML可以有效地辅助太阳能电池的研究和开发过程。文章对其应用方向进行了分类,主要可分为四大类:

(1) 材料性能预测:材料的性质包括光学、电学和其他物理性比如溶解度、空间距离、重组能、密度、表面张力和粘度。ML的引入将有助于对材料的性能进行预测。

(2) 优化设备结构:利用ML可以对钙钛矿/硅串联太阳能电池中与器件结构相关的性质,如光散射、掺杂剖面、厚度、前接触、形貌等,InAs/AlInAs量子阱尺寸和子电池的几何结构等进行优化。一个典型的太阳能电池中有具有不同特征的功能层,ML将有可能发现这些特征在提高太阳能电池性能方面的协同效应。

(3) 优化制造工艺:在优化PECVD、共烧、变形、扩散、沉积、激光划片、掺杂、退火、染色加载、缺陷区域去除、切割和研磨等制造工艺方面,ML在过去的研究当中表现出意外的效果,有助于优化制造过程中的参数。

(4) 测量数据重建:ML技术可以用于处理实验获得的EL图像、STEM、衍射模式、EDX、透射率、LIBS,LLRPI。ML和常规表征技术的结合可以便捷地获得这些材料和器件的特性。



         图1.神经网络结构            图2.遗传算法流程


图3.ML算法分类


图4.ML在太阳能电池中的应用


在理论基础和实验数据的支持下,ML技术可以获得令人意想不到的结果。根据文献的统计分析,人工神经网络(ANN)和遗传算法(GA)是ML中应用最广泛的两种方法,在以上ML技术的应用当中,器件结构优化和制造工艺优化是比较热门的课题。ML的应用不仅降低了成本和时间,有时还能获得更好的性能和更高的性能。文章对ML在太阳能电池设计和制造中的应用现状和未来趋势进行了统计分析(图5),这些分析结果对于ML技术在太阳能电池领域的应用具有重要指导意义。



图5.应用现状和趋势

文献链接

Li, F., Peng, X., Wang, Z., Zhou, Y., Wu, Y., Jiang, M., & Xu, M. Machine Learning (ML)‐Assisted Design and Fabrication for Solar Cells. ENERGY & ENVIRONMENTAL MATERIALS, 0 (2019)1-12. https://doi.org/10.1002/eem2.12049.


关于期刊

截至目前Energy & Environmental Materials 已经出版五期期刊,主要报道先进能源材料相关的最新高水平科研成果,在 Wiley Online Library 上可免费获取全文,目前免收版面费。




http://blog.sciencenet.cn/blog-822310-1201906.html

上一篇:能源领域最新进展集锦 | 固态锂金属电池、氧还原电催化剂、锌离子电池
下一篇:新型生物标记物 ——有望监测阿尔茨海默症

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2019-11-13 22:59

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部