7th IMRMPT

First slide

First slide

Abstract

Abstract information

English title:	Assessing perovskite coatings using artificial intelligence to enhance solar cell efficiency
Spanish title:	An�lisis de revestimientos de perovskita con inteligencia artificial para incrementar la eficiencia de las c�lulas solares
English abstract:	Perovskite solar cells are of great interest due to their outstanding photoelectric properties. This study trained five machine learning models (LSTM, random forests, SVM, gradient boosting, and XGBoost) using Python with a dataset consisting of categorical inputs related to fabricating perovskite cells. These inputs included materials for hole and electron transport layers, the photovoltaic perovskite used and its deposition process, back contact material, anti-solvent, and precursor solution. The objective was to perform regression tasks with cell efficiency as the target variable. After evaluating the models, the random forest model was identified as the most suitable among those studied due to its ability to fit real data and processing time. Given their fabrication parameters, this model achieved satisfactory characterization of perovskite solar cells based on their energy conversion efficiency. However, the results could have been better in obtaining the best parameter combinations to maximize this efficiency. Further studies with different approaches are recommended to develop models capable of fulfilling this task effectively.
Spanish abstract:	Las celdas solares de perovskita est�n ganando mucha atenci�n por sus destacadas propiedades fotoel�ctricas. En esta investigaci�n, se entrenaron cinco modelos distintos de aprendizaje autom�tico (LSTM, bosques aleatorios, SVM, gradient boosting y XGBoost) utilizando Python, empleando un conjunto de datos categ�ricos relacionados con la fabricaci�n de celdas de perovskita. Estos datos inclu�an detalles sobre los materiales de las capas de transporte de huecos y electrones, la perovskita fotovoltaica utilizada y su proceso de deposici�n, el material de contacto electr�nico trasero, el anti-solvente y la soluci�n precursora. El objetivo era realizar tareas de regresi�n para predecir la eficiencia de las celdas. Tras evaluar los modelos, se determin� que el modelo de bosques aleatorios era el m�s adecuado entre los analizados, debido a su capacidad para ajustarse a los datos reales y su tiempo de procesamiento. Con este modelo, se logr� una caracterizaci�n adecuada de las celdas solares de perovskita en t�rminos de eficiencia de conversi�n energ�tica basada en sus par�metros de fabricaci�n. Sin embargo, los resultados fueron insatisfactorios en la identificaci�n de las mejores combinaciones de par�metros para maximizar dicha eficiencia. Se recomienda realizar estudios adicionales con diferentes enfoques para desarrollar modelos que puedan cumplir esta tarea de manera m�s efectiva.
Topic:
Presentation Type:
Speaker:

Authors

Name	Institution	Email
Juan Diego Sierra Villegas	Universidad industrial de Santander	juandsierra11@gmail.com
Cristian Andr�s Hern�ndez Salazar	Universidad Industrial de Santander	cahss77@gmail.com
Octavio Andr�s Gonz�lez Estrada	Universidad industrial de Santander	agonzale@uis.edu.co

Presentation

Room:	Principal Room
Date:	August 8, 2024
Hour:	17:40 - 18:00

Back

VI WMSSE

VI Workshop on Modeling and Simulation for Science and Engineering

Contact information:

   info@foristom.org
   @FORISTOMFound
   FORISTOMFoundation
   foristomfoundation

Copyright 2024 FORISTOM
All rights reserved

Previous editions:

I WMSSE
II WMSSE
III WMSSE
IV WMSSE
V WMSSE