کاربردهای یادگیری ماشین در سلول های خورشیدی آلی

امروزه نیاز روزافزون به مصرف انرژی به دلیل توسعه جوامع انسانی، امری اجتناب‌ ناپذیر است. با توجه به محدودیت منابع انرژی کره زمین و همچنین ایجاد آلودگی‌های زیست محیطی ناشی از مصرف سوخت‌های فسیلی، استفاده از انرژی خورشیدی به عنوان یک انرژی پاک ضرورتی انکارناپذیر است. استفاده از مبدل‌های فوتوولتایی (سلول‌های خورشیدی) از راهکارهای موثر برای استفاده بهینه از این منبع عظیم انرژی است. تاکنون پژوهش های متعددی درباره طراحی، ساخت و بهینه‌ سازی سلول‌های خورشیدی انجام شده است. در حوزه بهینه ‌سازی سلول‌های خورشیدی، روش های یادگیری ماشین یکی از رویکردهای مفید و مورد استفاده است. یادگیری ماشین به عنوان شاخه جدیدی از حوزه علوم دانشگاهی محسوب می‌شود که با پردازش داده‌های موجود، اطلاعات ارزشمند نوینی ارائه می‌دهد. زمینه‌های کاربرد یادگیری ماشین در طراحی و ساخت سلول‌های خورشیدی پلیمری به سه دسته کلی پیش‌ بینی عملکرد سلول خورشیدی، انتخاب مواد مناسب و بهینه‌ سازی فرایندهای ساخت تقسیم ‌بندی شده است. در این نوشتار سعی شده است تا روش‌های یادگیری ماشین به طور اجمالی معرفی و در ادامه، کاربردهای آن در زمینه طراحی و ساخت سلول‌های خورشیدی توضیح داده شود. در این نوشتار، با توجه به مطالعات بسیار انجام شده، مرور مقالات نمایه شده بین‌ المللی معتبر به سال‌های 2019 و 2020 میلادی محدود شده است.

Machine Learning Applications in Organic Solar Cells

Today, the growing need for energy due to the development of human societies is inevitable. Given the limited energy resources of the planet as well as the environmental pollution caused by the consumption of fossil fuels, the use of solar energy as a clean energy is an undeniable necessity. The use of photovoltaic converters, i.e. solar cells, is one of the efective solutions for the optimal use of this huge source of energy. So far, several sudies have been conducted on the design, manufacture and optimization of solar cells. One of the mos invaluable approaches is machine learning methods. Machine learning is considered as a new branch of academic science that provides valuable new information by processing exising data. Areas of application of machine learning in the design and manufacture of polymer solar cells are divided into three general categories: predicting the solar cells efciency, selecting appropriate materials, and optimizing the manufacturing process. In this article, we have tried to briefy introduce the machine learning methods and then explain their applications in the feld of designing and manufacturing solar cells. Due to several research activities, this article is limited to peer-reviewed articles in the years 2019 and 2020.