基于先进数值模拟与机器学习的Mg3BiCl3太阳能电池传输层与物理性能优化研究

本研究通过密度泛函理论(DFT)模拟与SCAPS 1D工具，系统分析了新型光伏材料Mg3BiCl3的光电特性。研究人员通过优化传输层配置（WS2/C60电子传输层与Cu2O空穴传输层）与器件参数，最终使Device-I结构实现30.23%的转换效率(PCE)，并结合随机森林机器学习模型(R2≈0.8475)预测性能，为高性能太阳能电池开发提供新方案。

　　

通过尖端密度泛函理论(Density Functional Theory, DFT)模拟，本研究深入探索了新型半导体材料Mg₃BiCl₃的光电特性。科研团队采用SCAPS 1D仿真平台，系统评估了以该材料为吸光层的太阳能电池性能，重点对比了WS₂和C₆₀两种电子传输层(ETL)与多种空穴传输层(HTL)包括Cu₂O、CFTS、CuO、Cuss、NiO和P3HT的匹配效果。

研究发现Cu₂O是最佳空穴传输层候选材料。团队据此设计了两种器件结构：Device-I（Al/ITO/WS₂/Mg₃BiCl₃/Cu₂O/Ni）和Device-II（Al/ITO/C₆₀/Mg₃BiCl₃/Cu₂O/Ni）。通过系统优化掺杂浓度、缺陷密度、串并联电阻、层厚度、载流子生成-复合机制、温度响应及量子效率等关键参数，最终Device-I展现出卓越的光电转换性能：实现30.23%的功率转换效率(PCE)，开路电压(V_OC)达1.1411V，短路电流密度(J_SC)为30.31mA/cm²，填充因子(FF)高达87.29%。

研究还创新性地引入随机森林机器学习模型，通过对多种半导体特性的智能分析，实现了对器件性能的精准预测（平均相关系数R²≈0.8475）。这项突破不仅揭示了Mg₃BiCl₃基太阳能电池的巨大应用潜力，更为新型光伏材料的开发提供了多学科交叉的研究范式。