文献

J-GLOBAL ID：202102289192970425   整理番号：21A0445343

ペロブスカイト太陽電池光電子特性を予測するための機械学習【JST・京大機械翻訳】

Machine Learning for Predicting Perovskite Solar Cell Opto-Electronic Properties

著者 (3件)： Workman Maniell (University of Kentucky,Department of Electrical and Computer Engineering,Lexington,KY) ,  Zhi Chen David (University of Kentucky,Department of Electrical and Computer Engineering,Lexington,KY) ,  Musa Sarhan M. (Prarie View A&M University,Department of Electrical and Computer Engineering,Prarie View,TX)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICDABI  ページ： 1-5  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 光起電力技術は,従来の化石燃料のロイで再生可能エネルギーを提供する可能性のために,近年多くの注目を集めている。ペロブスカイト太陽電池は,比較的短時間で非常に有望である。電力変換効率は10年にわたって3.8%から24.2%に増加した。ペロブスカイト太陽電池は,製造と生産における比較的低いコストのため,多くの研究で多くの注目を集めている。現在のシリコン光起電力デバイスは従来の化石燃料よりも高価である。ペロブスカイトのオプトエレクトロニック特性を研究し予測するための機械学習(ML)の使用は,この技術の開発を大きく加速する。線形回帰(LR),サポートベクトル回帰(SVR)および人工ニューラルネットワーク(ANNs)のようなML技術は,化学処理および製造技術を大いに改善することができる。この技術を改善するために用いられるこのようなツールは,国家規模での太陽エネルギーの更なる増殖に主要な影響を与える。本論文では,ML技術を用いてペロブスカイト太陽電池の開発の現在の研究を検討した。さらに,更なる研究の限界と潜在的領域を引用した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 光起電力 ,  ケイ素 ,  ニューラルネットワーク ,  太陽エネルギー ,  光起電素子 ,  化石燃料 ,  再生エネルギー ,  生産技術 ,  *機械学習 ,  *光電子
準シソーラス用語： 線形回帰 ,  電力変換効率 ,  サポートベクトル回帰 ,  *ペロブスカイト太陽電池 , 【Automatic Indexing@JST】

分類 (5件)： 専用演算制御装置  (JC04030Y) ,  医用画像処理  (JE04020T) ,  音声処理  (JE05000E) ,  NMR一般  (BM07041R) ,  符号理論  (ND02030R)

タイトルに関連する用語 (4件)： ペロブスカイト太陽電池 ,  光電子 ,  予測 ,  機械学習