机器学习加速高性能低成本太阳能电池发现：系统性综述
信号处理
2022-12-29 v1
摘要
太阳能光伏（PV）技术已成为将太阳巨大能量转化为电能的高效且通用的方法。开发新材料与太阳能电池架构的创新是确保轻量、便携和柔性微型电子设备在降低电池需求下长时间运行所必需的。近期生物医学植入式与可穿戴设备的进展伴随着对高效能量收集方案日益增长的兴趣。此类设备主要依赖可充电电池满足其能量需求。此外，人工智能（AI）与机器学习（ML）技术被誉为能量收集特别是太阳能材料中的变革者。在本文中，我们系统综述了一系列用于优化微型电子设备用低成本太阳能电池性能的 ML 技术。我们的系统综述揭示这些 ML 技术可加速新太阳能电池材料与架构的发现。特别地，本综述涵盖广泛用于生产低成本太阳能电池的 ML 技术。此外，我们提出一种依据数据合成、ML 算法、优化与制备工艺对文献分类的新方法。另外，我们的综述揭示带贝叶斯优化（BO）的高斯过程回归（GPR）ML 技术可实现最有前景的低成本的太阳能电池架构设计。因此，我们的综述是对现有 ML 技术的批判性评估，旨在指导研究者利用 ML 技术发现下一代低成本太阳能电池。
引用
@article{arxiv.2212.13893,
title = {Machine learning for accelerating the discovery of high performance low-cost solar cells: a systematic review},
author = {Satyam Bhatti and Habib Ullah Manzoor and Bruno Michel and Ruy Sebastian Bonilla and Richard Abrams and Ahmed Zoha and Sajjad Hussain and Rami Ghannam},
journal= {arXiv preprint arXiv:2212.13893},
year = {2022}
}