تسريع تطوير خلايا شمسية بيروفسكايت: تحليل SHAP بإطار عمل مدفوع بالتعلم الآلي
摘要
تحتل خلايا شمسية بيروفسكايت (PSCs) مكانة مهمة في تكنولوجيا الخلايا الشمسية الجديدة نظرًا لأدائها العالي. نظرًا لمحدودية طريقة التجربة والخطأ التقليدية الطويلة وغير الفعالة في تحسين كفاءة تحويل الطاقة الضوئية (PCE) لـ PSCs، تم اقتراح طريقة تحسين ذكية تعتمد على التعلم الآلي (ML) لعملية تحضير PSCs. من خلال تطبيق خوارزميات تعلم آلي متعددة لبناء نموذج تنبؤي لـ PCE، تم اختيار نموذج التعزيز التدرجي (GB) عالي الأداء لإجراء تحليل تفسيري بصري باستخدام شروحات شابلي الإضافية (SHAP) والتحقق التجريبي. أظهرت النتائج التجريبية أن التجارب الموجهة بمخرجات النموذج أدت إلى تحقيق PCE بنسبة 21.81٪ لـ PSCs. لا يقتصر هذا العمل على حل قيود طريقة التجربة والخطأ التقليدية فحسب، بل تغلب أيضًا على مشكلة الدقة المنخفضة للتنبؤ في تطبيقات ML في مجال PSCs، موفراً منظورًا جديدًا وأساسًا علميًا لتطوير سريع لخلايا PSCs عالية الكفاءة، وكذلك مرجعًا لتطوير تقنيات خلايا شمسية جديدة أخرى.
关键词
خلايا شمسية بيروفسكايت;تعلم آلي;تحليل تفسيري شابلي (SHAP);تنبؤ كفاءة تحويل الطاقة الضوئية
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website