找到 1 条结果
基于机器学习与元启发式特征选择的钙钛矿材料多性能预测
Multi-Properties prediction of perovskite materials using Machine learning and Meta-Heuristic feature selection
Frendy Jaya Kusum · Eri Widianto · Wahyono · Iman Santoso 等8人 · Solar Energy · 2025年1月 · Vol.286
摘要 扩大具有优异光电特性的稳定钙钛矿材料的可获得性，对于突破当前光伏吸收层材料的效率限制至关重要。本文提出了一种多性能机器学习（ML）预测策略，以加速ABX3和A2BB’X6型钙钛矿材料的发现。该方法评估了高性能光伏材料所需的关键性质，包括形成能（ΔEf）、热力学稳定性、带隙（Eg）以及带隙类型。本研究评估了多种特征选择方法，如最小绝对收缩与选择算子（LASSO）、k-最佳特征选择法（k-Best）以及遗传算法（Genetic Algorithm）、粒子群优化（Particle Swarm O...
解读: 该钙钛矿材料多属性机器学习预测技术对阳光电源光伏逆变器产品线具有重要应用价值。通过元启发式算法优化的ML模型可预测材料带隙、形成能等关键光电特性,准确率超85%,有助于加速高效光伏吸收材料筛选。这与SG系列逆变器的MPPT优化技术形成协同:更优材料特性可提升组件效率,而精准的材料性能预测能指导逆变器...