一种钙钛矿钝化剂钝化策略评估方法技术

本发明专利技术涉及人工智能领域，揭露了一种钙钛矿钝化剂钝化策略评估方法

【技术实现步骤摘要】
一种钙钛矿钝化剂钝化策略评估方法、装置、设备及介质


[0001]本专利技术涉及一种钙钛矿钝化剂钝化策略评估方法
、
装置
、
设备及介质，属于人工智能领域
。

技术介绍

[0002]在现代科学技术发展的环境下，能源对人类生活的影响愈加重大
。
目前，探索和研究高节能
、
高效率的新能源材料成为了解决可持续发展的核心途径
。
太阳能是地球上最充裕的可再生清洁能源，在过去几十年里，研究人员一直致力于寻找清洁
、
低成本
、
高效率的新型光伏材料
。
其中，钙钛矿材料具有众多优异的性质，如吸光系数高
、
载流子迁移率高
、
缺陷容忍度较高等特点
。
钙钛矿材料可以通过调整组分配比改变能带间隙，进而改变吸收阳光的光子波长成分
。
理论上单结钙钛矿太阳能电池（
PSCs
）的极限光电转换效率（
PCE
）为
33%
，与此同时
, PSCs
在多种环境条件下服役的稳定性仍达不到商业化使用标准
。
[0003]深入研究表明
, PSCs
中多种类型的缺陷
(
主要包括浅能级缺陷和深能级缺陷
)
是制约
PSCs
的光电转换效率和稳定性的重要原因
。
为了抑制界面缺陷，人们研发了不同的钝化剂来钝化钙钛矿表面，也采用了不同方法的表面修饰策略来抑制离子迁移以提高钙钛矿的器件的性能和稳定性，因此如何设计更有效的钝化剂钝化策略也是一个重要问题，为了解决这个问题，需要对钝化剂进行钝化效果评估，即评估钝化剂钝化策略对应的功率转换效率（钝化剂添加前后钙钛矿太阳能电池的极限光电转换效率的提升幅度）
。
[0004]目前钙钛矿钝化剂钝化策略评估可以通过训练机器学习模型来实现，但是目前钙钛矿钝化剂钝化策略评估在模型训练时，训练数据中往往包含一些无效的特征数据，且忽略了不同特征之间的关联，从而导致钙钛矿钝化剂钝化策略评估的准确性较差
。

技术实现思路

[0005]本专利技术提供一种钙钛矿钝化剂钝化策略评估方法
、
装置
、
设备及存储介质，其主要目的在于提高钙钛矿钝化剂钝化策略评估的准确性
。
[0006]为实现上述目的，本专利技术提供的一种钙钛矿钝化剂钝化策略评估方法，包括：获取钙钛矿钝化剂数据集及所述钙钛矿钝化剂数据集中每个钙钛矿钝化剂数据对应的功率转换效率；对所述钙钛矿钝化剂数据集中每个钙钛矿钝化剂数据包含的所有特征的特征数据进行特征变量连续性转换，得到钙钛矿钝化剂标准数据集；基于所述功率转换效率，将所述钙钛矿钝化剂标准数据集中每个钙钛矿钝化剂标准数据进行特征交叉融合，得到每个所述钙钛矿钝化剂标准数据对应的每种复合特征的特征数据；将所述钙钛矿钝化剂标准数据集中的每种特征及每种所述复合特征，确定为初始特征，并基于所述功率转换效率对所有所述初始特征进行特征去冗及特征重要性筛选，得到重要特征；
基于所述钙钛矿钝化剂标准数据及所述复合特征，进行所述重要特征的特征数据筛选，得到所述钙钛矿钝化剂标准数据对应的标准钝化剂样本数据；基于所述功率转换效率对每个所述标准钝化剂样本数据进行标签标记，并将标记的所有标准钝化剂样本数据切分为训练集及测试集；利用所述训练集训练一种或多种初始机器学习模型，得到每种所述初始机器学习模型对应的效率评估模型；利用所述测试集对所述效率评估模型进行模型性能评估，得到所述效率评估模型的模型性能系数；利用所述模型性能系数对所有所述效率评估模型进行筛选，得到目标评估模型；当接收到待评估钙钛矿钝化剂数据时，基于所述目标评估模型对所述待评估钙钛矿钝化剂数据进行功率转换效率评估，得到目标功率转换效率
。
[0007]可选地，所述对所述钙钛矿钝化剂数据集中每个钙钛矿钝化剂数据包含的所有特征的特征数据进行特征变量连续性转换，得到钙钛矿钝化剂标准数据集，包括：将所述钙钛矿钝化剂数据中钝化剂名称的特征数据转换为
SMILES
序列，得到第一转换数据；基于预设的元素序列，计算所述第一转换数据中钙钛矿组成的每种元素占比，并将计算的每种元素占比按照所述元素序列中元素的顺序进行组合，得到所述钙钛矿组成对应的材料占比序列；将所述第一转换数据中所述钙钛矿组成的特征数据替换为该钙钛矿组成对应的材料占比序列，得到第二转换数据；将所述第二转换数据中的表征类别的特征数据及其他非连续变量的特征数据，利用独热编码转换为数值形式，得到钙钛矿钝化剂标准数据；汇总所有所述钙钛矿钝化剂标准数据，得到所述钙钛矿钝化剂标准数据集
。
[0008]可选地，所述基于所述功率转换效率，将所述钙钛矿钝化剂标准数据集中每个钙钛矿钝化剂标准数据进行特征交叉融合，得到每个所述钙钛矿钝化剂标准数据对应的每种复合特征的特征数据，包括：获取所述钙钛矿钝化剂标准数据中钝化剂名称对应钝化剂的
SMILES
结构，得到钝化剂结构信息；基于所述钝化剂结构信息计算预设的分子描述符的描述符特征值，得到所述钙钛矿钝化剂标准数据对应的每种所述分子描述符的描述符特征值；基于所述描述符特征值，计算所述分子描述符与所述功率转换效率的相关性，得到每种所述分子描述符的特征相关性系数；基于所述特征相关性系数对所有种类的所述分子描述符进行筛选，得到目标分子描述符；基于所述钝化剂结构信息计算所述钙钛矿钝化剂标准数据对应的预设的每种分子指纹特征的分子指纹，其中，所述分子指纹以独热向量表示；基于所述分子指纹对所有所述分子指纹特征进行相似分子指纹特征剔除及重要分子指纹特征筛选，得到目标分子指纹特征；基于所述钙钛矿钝化剂标准数据中每种特征的特征数据
、
所述钙钛矿钝化剂标准
数据对应的每种目标分子描述符的描述符特征值
、
所述钙钛矿钝化剂标准数据对应的每种目标分子指纹特征的分子指纹，进行特征融合，得到该钙钛矿钝化剂标准数据对应的每种复合特征的特征数据
。
[0009]可选地，所述计算所述分子描述符与所述功率转换效率的相关性，得到每种所述分子描述符的特征相关性系数，包括：；其中， 为分子描述符的特征相关系数，表示分子描述符的序号，表示钙钛矿钝化剂标准数据的序号，为钙钛矿钝化剂标准数据对应的分子描述符
x
的描述符特征值，为所述钙钛矿钝化剂标准数据对应功率转换效率，为所有钙钛矿钝化剂标准数据对应的分子描述符
x
的描述符特征值的平均值，为所有所述功率转换效率的平均值，为钙钛矿钝化剂标准数据的数量
。
[0010]可选地，所述基于所述分子指纹对所有所述分子指纹特征进行相似分子指纹特征剔除及重要分子指纹特征筛选，得到目标分子指纹特征，包括：计算所述分子指纹特征对应的所有分子指纹的自方差，得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种钙钛矿钝化剂钝化策略评估方法，其特征在于，所述方法包括：获取钙钛矿钝化剂数据集及所述钙钛矿钝化剂数据集中每个钙钛矿钝化剂数据对应的功率转换效率；对所述钙钛矿钝化剂数据集中每个钙钛矿钝化剂数据包含的所有特征的特征数据进行特征变量连续性转换，得到钙钛矿钝化剂标准数据集；基于所述功率转换效率，将所述钙钛矿钝化剂标准数据集中每个钙钛矿钝化剂标准数据进行特征交叉融合，得到每个所述钙钛矿钝化剂标准数据对应的每种复合特征的特征数据；将所述钙钛矿钝化剂标准数据集中的每种特征及每种所述复合特征，确定为初始特征，并基于所述功率转换效率对所有所述初始特征进行特征去冗及特征重要性筛选，得到重要特征；基于所述钙钛矿钝化剂标准数据及所述复合特征，进行所述重要特征的特征数据筛选，得到所述钙钛矿钝化剂标准数据对应的标准钝化剂样本数据；基于所述功率转换效率对每个所述标准钝化剂样本数据进行标签标记，并将标记的所有标准钝化剂样本数据切分为训练集及测试集；利用所述训练集训练一种或多种初始机器学习模型，得到每种所述初始机器学习模型对应的效率评估模型；利用所述测试集对所述效率评估模型进行模型性能评估，得到所述效率评估模型的模型性能系数；利用所述模型性能系数对所有所述效率评估模型进行筛选，得到目标评估模型；当接收到待评估钙钛矿钝化剂数据时，基于所述目标评估模型对所述待评估钙钛矿钝化剂数据进行功率转换效率评估，得到目标功率转换效率
。2.
如权利要求1所述的钙钛矿钝化剂钝化策略评估方法，其特征在于，所述对所述钙钛矿钝化剂数据集中每个钙钛矿钝化剂数据包含的所有特征的特征数据进行特征变量连续性转换，得到钙钛矿钝化剂标准数据集，包括：将所述钙钛矿钝化剂数据中钝化剂名称的特征数据转换为
SMILES
序列，得到第一转换数据；基于预设的元素序列，计算所述第一转换数据中钙钛矿组成的每种元素占比，并将计算的每种元素占比按照所述元素序列中元素的顺序进行组合，得到所述钙钛矿组成对应的材料占比序列；将所述第一转换数据中所述钙钛矿组成的特征数据替换为该钙钛矿组成对应的材料占比序列，得到第二转换数据；将所述第二转换数据中的表征类别的特征数据及其他非连续变量的特征数据，利用独热编码转换为数值形式，得到钙钛矿钝化剂标准数据；汇总所有所述钙钛矿钝化剂标准数据，得到所述钙钛矿钝化剂标准数据集
。3.
如权利要求1所述的钙钛矿钝化剂钝化策略评估方法，其特征在于，所述基于所述功率转换效率，将所述钙钛矿钝化剂标准数据集中每个钙钛矿钝化剂标准数据进行特征交叉融合，得到每个所述钙钛矿钝化剂标准数据对应的每种复合特征的特征数据，包括：获取所述钙钛矿钝化剂标准数据中钝化剂名称对应钝化剂的
SMILES
结构，得到钝化剂
结构信息；基于所述钝化剂结构信息计算预设的分子描述符的描述符特征值，得到所述钙钛矿钝化剂标准数据对应的每种所述分子描述符的描述符特征值；基于所述描述符特征值，计算所述分子描述符与所述功率转换效率的相关性，得到每种所述分子描述符的特征相关性系数；基于所述特征相关性系数对所有种类的所述分子描述符进行筛选，得到目标分子描述符；基于所述钝化剂结构信息计算所述钙钛矿钝化剂标准数据对应的预设的每种分子指纹特征的分子指纹，其中，所述分子指纹以独热向量表示；基于所述分子指纹对所有所述分子指纹特征进行相似分子指纹特征剔除及重要分子指纹特征筛选，得到目标分子指纹特征；基于所述钙钛矿钝化剂标准数据中每种特征的特征数据
、
所述钙钛矿钝化剂标准数据对应的每种目标分子描述符的描述符特征值
、
所述钙钛矿钝化剂标准数据对应的每种目标分子指纹特征的分子指纹，进行特征融合，得到该钙钛矿钝化剂标准数据对应的每种复合特征的特征数据
。4.
如权利要求3所述的钙钛矿钝化剂钝化策略评估方法，其特征在于，所述计算所述分子描述符与所述功率转换效率的相关性，得到每种所述分子描述符的特征相关性系数，包括：；其中， 为分子描述符的特征相关系数，表示分子描述符的序号，表示钙钛矿钝化剂标准数据的序号，为钙钛矿钝化剂标准数据对应的分子描述符
x
的描述符特征值，为所述钙钛矿钝化剂标准数据对应功率转换效率，为所有钙钛矿钝化剂标准数据对应的分子描述符
x
的描述符特征值的平均值，为所有所述功率转换效率的平均值，为钙钛矿钝化剂标准数据的数量
。5.
如权利要求3所述的钙钛矿钝化剂钝化策略评估方法，其特征在于，所述基于所述分子指纹对所有所述分子指纹特征进行相似分子指纹特征剔除及重要分子指纹特征筛选，得到目标分子指纹特征，包括：计算所述分子指纹特征对应的所有分子指纹的自方差，得到所述分子指纹特征的特征波动系数；筛选所述特征波动系数大于或等于预设波动阈值的分子指纹特征，得到初始分子指纹特征；利用所述分子指纹计算两两初始分子指纹特征的指纹特征相关性系数，并基于所述指纹特征相关性系数剔除所有初始分子指纹特征中的相似分子指纹特征，得到目标指纹特征
。6.
...

【专利技术属性】
技术研发人员：刘家凯，林熹，杨安泰，张靖梓，钟承权，刘昊天，胡凯龙，姚克欣，杨琛，王迎松，姚育曙，
申请(专利权)人：桑若厦门光伏产业有限公司，
类型：发明
国别省市：