Publicación:

Evaluación de Recubrimientos de Perovskita Mediante el Uso de Inteligencia Artificial Para Mejorar la Eficiencia de Celdas Solares

Resumen

Las celdas solares de perovskita son de gran interés por sus propiedades fotoeléctricas. En este trabajo se entrenaron 5 diferentes modelos de aprendizaje automático (LSTM, bosques aleatorios, SVM, gradient boosting y XGBoost) en lenguaje Python con un conjunto de datos de entrada categóricos referentes a la fabricación de celdas de perovskitas, como lo son los materiales de las capas de transporte de huecos y de electrones, la perovskita fotovoltaica usada y su proceso de deposición, material contacto electrónico trasero, anti-solvente y solución precursora, para llevar a cabo tareas de regresión con la eficiencia de las celdas como variable objetivo . Luego de la evaluación de los modelos, se identificó el modelo de bosques aleatorios como el más apropiado entre los estudiados debido su capacidad de ajuste a los datos reales y su tiempo. Con este modelo se logró una caracterización satisfactoria de celdas solares de perovskita según su eficiencia de conversión energética teniendo datos de sus parámetros de fabricación, pero con resultados deficientes en la obtención de las mejores combinaciones de parámetros para maximizar dicha eficiencia. Se aconseja llevar a cabo nuevos estudios con diferentes enfoques para obtener modelos capaces de cumplir con esta tarea de forma eficaz.