基于优化与神经网络的氢化非晶硅表面钝化效能建模及其在太阳能电池中的应用
应用物理
2018-12-21 v2 无序系统与神经网络
摘要
本征氢化非晶硅薄膜可对晶体硅片表面提供出色的表面钝化。本征氢化非晶硅的这一特性使其在具有本征薄层异质结（HIT）太阳能电池制造中具有价值。本文描述了影响钝化质量的本征氢化非晶硅的材料特性与电学性质。针对等离子体增强化学气相沉积（PECVD）——其最常用的沉积方法——的沉积参数，研究了本征氢化非晶硅层的钝化质量。研究发现，由厚度 30 nm 的本征氢化非晶硅（a-Si:H(i)）可获得表面复合速度 < 50 cm/s 的极好表面钝化，优于大多数其他钝化技术。设计了一种基于人工神经网络（ANN）的数学模型，以预测给定沉积条件下的载流子寿命，并表明所建 ANN 模型的预测能力随隐层神经元数目而变化，所用 Akaike 信息准则（AIC）是度量非线性模型有效性的被广泛接受的模型选择方法。
引用
@article{arxiv.1812.06424,
title = {Optimization and Neural Network-Based Modelling of Surface Passivation Effectiveness by Hydrogenated Amorphous Silicon for Solar Cell Applications},
author = {Rahul Goyal and Sachin Kumar},
journal= {arXiv preprint arXiv:1812.06424},
year = {2018}
}
备注
9 Pages and 9 Figures