【光伏】EES：有机太阳能电池在4维参数空间中的自主优化

优化溶液处理的有机太阳能电池是一项复杂而富有挑战性的任务，因为有机光伏（ OPV ）的参数空间很大。经典的一次一变量（ OVAT ）优化方法费力耗时，并且无法在多维设计空间中找到最佳参数集。为了解决这个问题， 德国纽伦堡亥姆霍兹可再生能源研究所 Tobias Osterrieder 、 Christoph J. Brabec 报道了人工智能（ AI ）引导的全功能有机太阳能电池闭环自主优化。

本文要点：

1)   作者开发了 LineOne ，这是一个带有贝叶斯优化器（ BO ）的自动化材料和设备加速平台，可以在没有人为干扰的情况下实现自主操作，解决复杂的优化问题。该系统能够制造和表征完整的 OPV 器件，并在包含组成和工艺参数的设计空间中高效搜索。此外，基于高斯过程回归（ GPR ）的早期预测模型被用于从廉价的代理测量中预测电池的效率，而薄膜吸收光谱使用基于物理性质的光谱模型来分析，以生成微观结构特征作为 GPR 的输入。

2)   作者通过在四维参数空间中优化三元 OPV 系统（ PM6:Y12:PC70BM ）的组成和加工条件，展示了该通用的自主方法。作者确定了最佳参数集，并用最小数量的样本在整个参数空间上获得了精确的目标函数。作者仅在 40 个样本内演示了复杂光电器件的自主优化，而埃迪逊方法需要大约 1000 个样本。

参考文献：

Tobias Osterrieder et.al Autonomous Optimization of an Organic Solar Cell in a 4-dimensional Parameter Space EES 2023

DOI: 10.1039/D3EE02027D

https://doi.org/10.1039/D3EE02027D

同步辐射丨球差电镜丨FIB-TEM

原位XPS、原位XRD、原位拉曼、原位FTIR

加急测试

朱老师

158 7177 4683

www.xueyanhui.com