本研究では、ITO/PEDOT:PSS/P3HT:PCBM/Al構造の有機太陽電池の発電効率(PCE)の時間的な劣化を表現するための最適な機械学習モデルを開発した。
まず、製造プロセスと環境条件に関する最大7つの変数を含む996件のデータベースを生成した。次に、自動化されたML手法を用いて、このデータベースに対して最適なモデルを見出した。
その結果、決定係数(R2)が0.90を大きく上回る高精度のモデルを得ることができた。また、二乗平均平方根誤差(RMSE)、二乗誤差和(SSE)、平均絶対誤差(MAE)は、目標値であるPCEの1%以内に抑えられた。
さらに、学習に使用されていない新しい有機太陽電池デバイスに対しても、R2が0.96-0.97、RMSEが1%程度と高い予測精度を示すモデルを得ることができた。これにより、提案手法の信頼性が確認された。
一方、従来の統計的回帰モデルは、単一のデバイスに対する単変量の時間依存性しか捉えられず、提案のML手法に比べて性能が劣ることが示された。
最後に、データセット内の変数間の依存関係を分析し、有機太陽電池の最適な性能と安定性に対する影響を明らかにした。
To Another Language
from source content
arxiv.org
Дополнительные вопросы