كاربردهاي يادگيري ماشين در طراحي و ساخت سلول‌هاي خورشيدي پليمري

Machine Learning Applications in Organic Solar Cells

امروزه نياز روزافزون به مصرف انرژي به دليل توسعه جوامع انساني، امري اجتناب‌ناپذير است. با توجه به محدوديت منابع انرژي كره زمين و همچنين ايجاد آلودگي‌هاي زيست ­محيطي ناشي از مصرف سوخت‌هاي فسيلي، استفاده از انرژي خورشيدي به عنوان يك انرژي پاك ضرورتي انكارناپذير است. استفاده از مبدل‌هاي فوتوولتايي (سلول‌هاي خورشيدي) از راهكارهاي مؤثر براي استفاده بهينه از اين منبع عظيم انرژي است. تاكنون پژوهش­ هاي متعددي درباره طراحي، ساخت و بهينه‌سازي سلول‌هاي خورشيدي انجام شده است. در حوزه بهينه‌سازي سلول‌هاي خورشيدي، روش ­هاي يادگيري ماشين يكي از رويكردهاي مفيد و مورد استفاده است. يادگيري ماشين به عنوان شاخه جديدي از حوزه علوم دانشگاهي محسوب مي‌شود كه با پردازش داده‌هاي موجود، اطلاعات ارزشمند نويني ارائه مي‌دهد. زمينه‌هاي كاربرد يادگيري ماشين در طراحي و ساخت سلول‌هاي خورشيدي پليمري به سه دسته كلي پيش‌بيني عملكرد سلول خورشيدي، انتخاب مواد مناسب و بهينه‌سازي فرايندهاي ساخت تقسيم‌بندي شده است. در اين نوشتار سعي شده است تا روش‌هاي يادگيري ماشين به ­طور اجمالي معرفي و در ادامه، كاربردهاي آن در زمينه طراحي و ساخت سلول‌هاي خورشيدي توضيح داده شود. در اين نوشتار، باتوجه به مطالعات بسيار انجام­ شده، مرور مقالات نمايه شده بين‌المللي معتبر به سال‌هاي 2020 و 2019 ميلادي محدود شده است.

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.