Semiconductor Physics, Quantum Electronics & Optoelectronics, 26 (1), P. 114-119 (2023).
Використання алгоритму машинного навчання для прогнозування межі ефективності перетворення
потужності монолітної перовскітно-кремнієвої тандемної структури
Анотація.
Тандемні структури були представлені на ринку фотовольтаїки для підвищення ефективності
перетворення енергії (ЕПE). ЕПЕ елементів з одним гомо- або гетеропереходом, обмежується теоретичною
межею, пов’язаною з шириною забороненої зони поглинаючого матеріалу. Масштабування одноперехідних
елементів до багатоперехідних тандемних структур виходить за ці обмеження. Однією з перспективних
тандемних структур є топологія перовскіт на кремнії. Si перехід використовується як тильний елемент,
укритий зверху шарами перовскітів із урахуванням інженерних аспектів забороненої зони. Тут для
дослідження ми вибрали тандемну структуру BaTiO 3 /CsPbCl 3 /MAPbBr 3 /CH 3 NH 3 PbI 3 /c-Si. У тандемних
фотоелектричних елементах різні вхідні параметри можна налаштувати для максимізації ЕПE, що приводить
до значного збільшення вхідних комбінацій. Такий великий набір даних безпосередньо відображає вимоги до
обчислень, які необхідні для моделювання широкого діапазону комбінацій, і до тривалості цих обчислень. У
цьому дослідженні ми використали нашу модель машинного навчання випадкового лісу з набором даних
3?10 6 точок з нашою оптоелектронною чисельною моделлю в SCAPS. За допомогою моделі машинного
навчання можна оцінити максимальну межу ЕПE запропонованої тандемної структури на рівні приблизно
37,8%, що більш ніж удвічі перевищує зареєстровану ефективність кремнієвих елементів (18%).
Ключові слова: тандемні сонячні елементи, чисельне моделювання, перовскіти, алгоритм випадкового лісу,
кристалічний кремній.. This work is licensed under a Creative Commons Attribution-NoDerivatives 4.0 International License.
|