خلايا الطاقة الشمسية ذات البيروفسكيت (PSCs) تحتل مكانة هامة في التكنولوجيا الشمسية الجديدة بفضل أدائها العالي. تقدم هذه الورقة طريقة تحسين ذكاءية لتحضير PSCs بناءً على تعلم الآلة (ML) لتجاوز نقاط ضعف الطرق التقليدية في زيادة كفاءة تحويل الطاقة الضوئية (PCE). من خلال بناء نموذج تنبؤ PCE باستخدام مجموعة متنوعة من خوارزميات ML، تم اختيار نموذج التعزيز التدريجي (GB) الذي يتميز بأداء متميز، وذلك من خلال تحليل وتصور شابلي للتفسيرات الإضافية (SHAP) والتحقق من النتائج التجريبية. أظهرت النتائج التجريبية أن توجيه التجارب بناءً على نتائج النموذج أدى إلى زيادة PCE لـ PSCs إلى 21.81٪. تعمل هذه الدراسة على حل قيود الطرق التقليدية وتغلب على تحديات تطبيق ML في توقع دقة PSCs، وتقدم منظور جديد وأساس علمي لتطوير PSCs عالية الكفاءة بشكل سريع، وتقدم نموذجاً مرجعياً لتطوير تكنولوجيا الخلايا الشمسية الجديدة وغيرها.
关键词
خلايا الطاقة الشمسية بيروفسكيت؛ التعلم الآلي؛ تحليل SHAP؛ توقع كفاءة تحويل الطاقة الضوئية