详细内容或原文请订阅后点击阅览
机器学习加速太阳能电池钙钛矿的发现
通过生成钙钛矿材料精确带隙的数据集并使用机器学习方法，确定了几种有前景的卤化物钙钛矿用于光伏应用。图片来源：H. Wang (EPFL) 作者：Nik Papageorgiou 随着我们将太阳能融入日常生活，找到能够有效转换的材料变得非常重要 […]
来源:ΑΙhub通过生成钙钛矿材料精确带隙数据集并使用机器学习方法，确定了几种有前景的卤化物钙钛矿用于光伏应用。图片来源：H. Wang (EPFL)
通过生成钙钛矿材料精确带隙数据集并使用机器学习方法，确定了几种有前景的卤化物钙钛矿用于光伏应用。图片来源：H. Wang (EPFL)作者：Nik Papageorgiou
作者：Nik Papageorgiou随着我们将太阳能融入日常生活，找到能有效将阳光转化为电能的材料变得非常重要。虽然到目前为止硅一直主导着太阳能技术，但由于成本较低且制造工艺更简单，人们也逐渐转向使用被称为钙钛矿的材料。
然而，挑战在于找到具有正确“带隙”的钙钛矿：一个特定的能量范围，它决定了材料吸收阳光并将其转化为电能而不以热量形式损失的效率。
现在，由王海源和 Alfredo Pasquarello 领导的 EPFL 研究项目与上海和新鲁汶的合作者一起开发了一种将先进的计算技术与机器学习相结合的方法，以寻找用于光伏应用的最佳钙钛矿材料。 这种方法可以生产出更高效、更便宜的太阳能电池板，从而改变太阳能行业的标准。
研究人员首先开发了一个全面、高质量的 246 种钙钛矿材料带隙值数据集。 该数据集是使用基于混合泛函的高级计算构建的——这是一种包括电子交换的复杂计算类型，并且改进了更传统的密度泛函理论 (DFT)。 DFT 是一种量子力学建模方法，用于研究原子和分子等多体系统的电子结构。
参考
标签：
关注经济实惠的清洁能源,
EPFL