钙钛矿(结构)
材料科学
图层(电子)
能量(信号处理)
极限(数学)
活动层
人工智能
工程物理
光电子学
纳米技术
计算机科学
化学工程
数学分析
工程类
物理
量子力学
薄膜晶体管
数学
作者
Jinxin Li,Basudev Pradhan,Surya Gaur,Jayan Thomas
标识
DOI:10.1002/aenm.201970181
摘要
In article number 1901891, Jayan Thomas and co-workers use machine learning (ML) to optimize material composition and predict design strategies and performance of perovskite solar cells. The trend of ML predictions matches well with the Shockley-Queisser limit. Optimum frontier orbital energies between the transport layer and perovskite layer are also predicted.
科研通智能强力驱动
Strongly Powered by AbleSci AI