通过贝叶斯优化从钙钛矿实验中提取基于物理的材料参数
材料科学
2024-05-30 v4 计算工程、金融与科学
机器学习
摘要
通过定量实验分析提取钙钛矿材料参数的能力，对于光伏和光电应用的理性设计至关重要。然而，随着理论模型的复杂性和钙钛矿材料参数数量的增加，这种分析的难度显著增加。在这里，我们使用贝叶斯优化开发了一个分析平台，该平台能够基于包含载流子漂移-扩散和动态缺陷占据的复杂全物理模型，从瞬态光致发光实验中提取有机金属钙钛矿半导体的多达 8 个基本材料参数。一项关于热降解的案例研究表明，载流子迁移率和陷阱辅助复合系数显著降低，而缺陷能级几乎保持不变。尽管陷阱辅助复合系数的降低对提高填充因子有积极作用，但载流子迁移率的降低会通过降低填充因子来主导对钙钛矿太阳能电池热降解的总体影响。未来，该平台可方便地应用于其他实验或实验组合，加速半导体材料的发现与优化，以用于光伏及其他应用。
引用
@article{arxiv.2402.11101,
title = {Physics-based material parameters extraction from perovskite experiments via Bayesian optimization},
author = {Hualin Zhan and Viqar Ahmad and Azul Mayon and Grace Tabi and Anh Dinh Bui and Zhuofeng Li and Daniel Walter and Hieu Nguyen and Klaus Weber and Thomas White and Kylie Catchpole},
journal= {arXiv preprint arXiv:2402.11101},
year = {2024}
}
备注
The work is published in Energy & Environmental Science (DOI: 10.1039/D4EE00911H). This work is supported by the Australian Centre for Advanced Photovoltaics (ACAP) and received funding from the Australian Renewable Energy Agency (ARENA). H.Z. acknowledges the support of the ACAP Fellowship. H.Z. thanks Pawsey for providing the Nimbus Research Cloud Service