Perowskit-Solarzellen haben ihre zertifizierte Effizienz in etwa zehn Jahren auf 26,1 % gesteigert, was der zertifizierten Effizienz von kristallinen Silizium-Solarzellen von 26,81 % sehr nahekommt und ein enormes industrielles Potenzial zeigt. Derzeit steigt die Effizienz von Perowskit-Solarzellen weiterhin, doch während der Geräteherstellung wird die Leistung von Perowskit-Solarzellen von vielen untrennbaren Faktoren beeinflusst, und herkömmliche Methoden verwenden oft einen Trial-and-Error-Ansatz zur Optimierung des Herstellungsprozesses von Perowskit-Solarzellen, was viel Zeit in Anspruch nimmt. Die Bayessche Optimierung ist ein globaler Optimierungsalgorithmus, der große Erfolge bei der Lösung von Black-Box-Problemen in der künstlichen Intelligenz erzielt hat. In diesem Beitrag wurde der Bayessche Optimierungsalgorithmus verwendet, um vier Prozessparameter, die die Perowskitschicht betreffen, zu optimieren: Prozentsatz des überschüssigen Bleiiodids (PbI₂), Annealing-Temperatur, Annealing-Zeit und Vakuumextraktionszeit, wodurch die F&E-Kosten erheblich gesenkt und die Entwicklungszeit verkürzt wurden. Durch fünf experimentelle Iterationen mit insgesamt 34 Prozessbedingungen wurde eine invertierte Perowskit-Solarzelle mit einem Geräteeffizienz von 23,56 % hergestellt.

Perowskit-Solarzellen; maschinelles Lernen; Prozessoptimierung; hohe Effizienz