详细内容或原文请订阅后点击阅览
机器学习方法可以加速实现更清洁的能源解决方案
霍普金斯大学的工程师开发了一种简化太阳能电池测试的方法，大大加快了可能缓慢且昂贵的过程
来源:约翰霍普金斯大学BYWICK EISENBERG
Wick Eisenberg / < / div> 已发布 2024年10月9日测试新的太阳能电池技术的过程传统上是缓慢且昂贵的，需要多个步骤。约翰·霍普金斯（John Hopkins）团队在五年级的博士生领导下，开发了一种机器学习方法，该方法有望极大地加快这一过程，为更高效且更实惠的可再生能源解决方案铺平了道路。
“我们的工作表明机器学习可以简化太阳能电池测试过程，”团队负责人凯文·李（Kevin Lee）说。 “这不仅节省了时间和资源，而且为清洁能源技术开发打开了新的可能性。”
团队的结果出现在高级智能系统中。
结果出现在高级智能系统 高级智能系统图像标题：在这种新方法中，扫描仪器（右）用于测量太阳能电池阵列的电流和光学图（左下）（左上）。
图像标题：将新的太阳能材料和设备商业化的主要障碍是冗长的制造测试训练周期。为市场优化新的太阳能电池材料是一个艰巨的过程：制作设备后，需要进行多次耗时的测量以了解其材料特性。然后，该数据用于调整制造过程，重复周期。
susanna thon 工程学学校 拉尔夫·奥康纳（Ralph O'Connor）可持续能源研究所Lee系统的另一个新型特征是，它从太阳能电池中获取数据的空间图并将其转换为图像。
新方法的另一个好处是它适用于太阳能电池以外的各种材料和设备，可能会加速时间表从材料发现到市场采用。