搜索
厦门大学基于机器学习方法探索出影响钙钛矿太阳能电池寿命的关键因素
2025-05-20
近日，厦门大学电子科学与技术学院的李琳教授、陈孟瑜助理教授及李澄教授团队，在顶级期刊《ACS Sustainable Chemistry & Engineering》上发表了题为“Machine Learning-assisted Analysis of Perovskite Solar Cell Long-term Stability under Multiple Environmental Factors”的研究成果。该研究提出了一种基于机器学习的方法，旨在分析影响钙钛矿太阳能电池（PSCs）长期稳定性的关键因素。通过引入多头注意力（Multi-Head）机制，该方法有效挖掘了外部环境参数与内部结构参数等多种输入数据的内在联系，实现了较高的预测精度。此外，研究团队还应用SHapley Additive exPlanations（SHAP）算法，识别了影响PSC稳定性的关键因素，并通过实验验证了模型预测结果的可靠性。该研究的创新之处在于展示了机器学习在预测器件稳定性与提取关键参数方面的潜力，为实现长期稳定的PSC器件提供了新的设计思路与研究路径。
