基于机器学习的卤化物双钙钛矿材料性能预测

作     者：张琪鑫 徐章洋 冯萍 涂洁磊 Zhang Qixin;Xu Zhangyang;Feng Ping;Tu Jielei

作者机构：云南省农村能源工程重点实验室云南师范大学昆明650500 

基　　金：云南省教育厅科学研究基金(2024Y152) 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2024年第45卷第4期

页      码：107-115页

摘      要：以卤化物双钙钛矿材料为研究对象,利用机器学习方法高速、高精确预测卤化物双钙钛矿材料的带隙和相对稳定性。使用贝叶斯岭回归、梯度提升回归、支持向量回归和XGBoost这4种算法建立模型,分析得出:梯度提升回归可为相对稳定性提供最高性能预测(R^(2)=0.9161,MAE=0.2061),XGBoost可为带隙提供最高性能预测(R^(2)=0.9899,MAE=0.0542);采用SHAP方法解释模型后,对元素替换后的新样本进行筛选,最终获得18种光吸收范围理想且稳定性良好的卤化物双钙钛矿。结果表明,相比传统方法,基于数据驱动的机器学习方法可有效加速功能材料的发现,提高设计效率。

主 题 词：卤化物双钙钛矿 机器学习 特征工程 材料发现 太阳电池 

学科分类：08[工学] 0805[工学-能源动力学] 080502[080502] 0812[工学-测绘类] 

核心收录：

D　O　I：10.19912/j.0254-0096.tynxb.2023-1794

馆 藏 号：203127483...