用于有机光伏电池中载流子动力学去卷积的生成式机器学习模型
材料科学
2025-11-04 v1 机器学习
摘要
载流子动力学严重影响有机光伏器件的效率和稳定性，但传统解析方法难以建模。我们提出了β-线性解码潜在常微分方程（β-LLODE），一种机器学习框架，用于从P3HT:PCBM电池的时间分辨载流子提取测量中解耦和重构提取动力学。该模型使得对潜在载流子行为进行独立分析，发现其可由压缩指数衰减良好描述。此外，所学到的可解释潜在空间支持插值和外推实验测量条件的仿真，为太阳能电池研究提供了预测工具，以支持器件研究和优化。
引用
@article{arxiv.2511.01118,
title = {Generative Machine Learning Models for the Deconvolution of Charge Carrier Dynamics in Organic Photovoltaic Cells},
author = {Li Raymond and Salim Flora and Wang Sijin and Wright Brendan},
journal= {arXiv preprint arXiv:2511.01118},
year = {2025}
}