Artificial Intelligence-Based, Wavelet-Aided Prediction of Long-Term Outdoor Performance of Perovskite Solar Cells
Kouroudis, Ioannis (Technical University of Munich)
Tanko, Kenedy Tabah (Institut Català de Nanociència i Nanotecnologia)
Karimipour, M. (Institut Català de Nanociència i Nanotecnologia)
Ali, Aziz Ben (Technical University of Munich)
Kumar, Kishore D. (Ben-Gurion University of the Negev)
Sudhakar, Vediappan (Ben-Gurion University of the Negev)
Gupta, Ritesh Kant (Ben-Gurion University of the Negev)
Visoly-Fisher, Iris (Ben-Gurion University of the Negev)
Lira-Cantu, Monica (Institut Català de Nanociència i Nanotecnologia)
Gagliardi, Alessio (Munich Data Science Institute)

Data:	2024
Resum:	The commercial development of perovskite solar cells (PSCs) has been significantly delayed by the constraint of performing time-consuming degradation studies under real outdoor conditions. These are necessary steps to determine the device lifetime, an area where PSCs traditionally suffer. In this work, we demonstrate that the outdoor degradation behavior of PSCs can be predicted by employing accelerated indoor stability analyses. The prediction was possible using a swift and accurate pipeline of machine learning algorithms and mathematical decompositions. By training the algorithms with different indoor stability data sets, we can determine the most relevant stress factors, thereby shedding light on the outdoor degradation pathways. Our methodology is not specific to PSCs and can be extended to other PV technologies where degradation and its mechanisms are crucial elements of their widespread adoption.
Ajuts:	European Commission 786483 Agencia Estatal de Investigación PCI2020-112185 Ministerio de Ciencia e Innovación SEV-2017-0706 Agencia Estatal de Investigación CEX2021-001214-S
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.
Llengua:	Anglès
Document:	Article ; recerca ; Versió publicada
Matèria:	Commercial development ; Condition ; Degradation behavior ; Degradation study ; Device lifetime ; Machine learning algorithms ; Mathematical decomposition ; Performance ; Stability analyze ; Stability data
Publicat a:	ACS energy letters, Vol. 9, Issue 4 (March 2024) , p. 1581-1586, ISSN 2380-8195

DOI: 10.1021/acsenergylett.4c00328
PMID: 38633992

6 p, 2.5 MB

El registre apareix a les col·leccions:
Documents de recerca > Documents dels grups de recerca de la UAB > Centres i grups de recerca (producció científica) > Ciències > Institut Català de Nanociència i Nanotecnologia (ICN2)
Articles > Articles de recerca
Articles > Articles publicats