태양광·풍력arXiv 태양광
SCAPS-1D와 머신러닝을 결합한 이중·통상 페로브스카이트 태양전지 다층구조 스크리닝
연구진은 전자수송층(ETL) 5종, 흡수층(absorber) 5종(무연 이중 페로브스카이트 포함), 정공수송층(HTL) 5종을 조합한 125개 소자 구조를 SCAPS-1D 소자 시뮬레이션과 머신러닝(machine learning)으로 탐색했다. 일부 구조의 시뮬레이션 결과로 학습한 모델이 나머지 구조의 광전변환효율(PCE)을 예측했고, Leave-One-Group-Out 교차검증에서 스피어만 순위상관을 통해 순위 예측 능력을 확인했다. SHAP 분석 결과 HTL 밴드갭, 흡수층 밴드갭, ETL 전자친화도가 가장 영향력이 큰 기술자(descriptor)로 나타났다. 머신러닝이 제안한 뒤 SCAPS-1D로 재검증한 구조 중 FTO/TiO2/Cs2AgBiBr6/NiO/Ag는 시뮬레이션 기준 PCE 28.85%, FTO/SnO2/Cs2AgInBr6/NiO/Ag는 28.62%를 보였으며, 유사한 문헌 구조 대비 절대값 약 4% 높다고 보고했다. 다만 모든 수치는 실험 제작이 아닌 1차원 소자 시뮬레이션 결과이며, 실제 소자 제작·측정으로 검증되지는 않았다.
6월 10일