ペロブスカイト太陽電池（Perovskite solar cells、PSCs）は、その高性能により新しい太陽電池技術の中で重要な位置を占めています。従来の試行錯誤法はPSCsの光電変換効率（Power conversion efficiency、PCE）向上において研究期間が長く効率が低いという問題があるため、機械学習（Machine learning、ML）に基づくPSCs製造プロセスのインテリジェント最適化手法が提案されました。複数のMLアルゴリズムを適用してPCE予測モデルを構築し、最終的に高性能な勾配ブースティング（Gradient boosting、GB）モデルを選択してシャプレー加法的説明（Shapley additive explanations、SHAP）による可視化解析と実験検証を行いました。実験結果は、モデルの出力に基づく実験の指導によりPSCsのPCEが21.81％に達したことを示しています。本研究は従来の試行錯誤法の限界を効果的に解決しただけでなく、PSCs分野におけるMLの予測精度の低さという課題を克服し、高PCEのPSCsの迅速な開発に新たな視点と科学的根拠を提供し、他の新しい太陽電池技術の開発にも参考となります。

ペロブスカイト太陽電池;機械学習;シャプレー加法的説明（SHAP）分析;光電変換効率予測