基于光学模拟的钙钛矿太阳能电池几何参数估计
计算机视觉与模式识别
2025-03-14 v1
摘要
本文提出了一种非侵入性的钙钛矿太阳能电池层厚度估计方法。厚度由卷积神经网络预测，该网络利用钙钛矿太阳能电池的外部量子效率。网络在光学性质恒定的厚度范围内进行训练，这些范围为网络的应用设定了约束。由于不透明钙钛矿存在光敏性问题，卷积神经网络在透明钙钛矿上表现出更好的性能。为优化性能并降低均方根误差，我们尝试了不同的采样方法、图像规格以及贝叶斯优化用于超参数调优。虽然采样方法显示出边际改善，但实施贝叶斯优化展示了高准确性。其他次要的优化尝试包括实验输入规格和预处理方法。结果证实了卷积神经网络基于受控实验预测钙钛矿太阳能电池层厚度的可行性、效率和有效性。
引用
@article{arxiv.2503.10102,
title = {Geometric Parameter Estimations of Perovskite Solar Cells Based on Optical Simulations},
author = {Junhao Wang},
journal= {arXiv preprint arXiv:2503.10102},
year = {2025}
}