論文の概要: Geometric Parameter Estimations of Perovskite Solar Cells Based on Optical Simulations

• arxiv url: http://arxiv.org/abs/2503.10102v1
• Date: Thu, 13 Mar 2025 06:54:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-14 15:53:02.463746
• Title: Geometric Parameter Estimations of Perovskite Solar Cells Based on Optical Simulations
• Title（参考訳）: 光学シミュレーションによるペロブスカイト太陽電池の幾何学的パラメータ推定
• Authors: Junhao Wang,
• Abstract要約: 厚さは、ペロブスカイト太陽電池の外部量子効率を利用する畳み込みニューラルネットワークによって予測される。 不透明なペロブスカイトによる光感度の問題により、畳み込みニューラルネットワークは透明なペロブスカイトでより良い性能を示した。
• 参考スコア（独自算出の注目度）: 2.918940961856197
• License:
• Abstract: This paper presents a non-invasive approach to estimate the layer thicknesses of perovskite solar cells. The thicknesses are predicted by a convolutional neural network that leverages the external quantum efficiency of a perovskite solar cell. The network is trained in thickness ranges where the optical properties are constant, and these ranges set the constraints for the network's application. Due to light sensitivity issues with opaque perovskites, the convolutional neural network showed better performance with transparent perovskites. To optimize the performance and reduce the root mean square error, we tried different sampling methods, image specifications, and Bayesian optimization for hyperparameter tuning. While sampling methods showed marginal improvement, implementing Bayesian optimization demonstrated high accuracy. Other minor optimization attempts include experimenting with input specifications and pre-processing approaches. The results confirm the feasibility, efficiency, and effectiveness of a convolution neural network for predicting perovskite solar cells' layer thicknesses based on controlled experiments.
• Abstract（参考訳）: 本稿では,ペロブスカイト太陽電池の層厚を非侵襲的に推定する手法を提案する。 厚さは、ペロブスカイト太陽電池の外部量子効率を利用する畳み込みニューラルネットワークによって予測される。 ネットワークは、光学特性が一定である厚さ範囲で訓練され、これらの範囲は、ネットワークのアプリケーションに対する制約を設定する。 不透明なペロブスカイトによる光感度の問題により、畳み込みニューラルネットワークは透明なペロブスカイトでより良い性能を示した。 性能を最適化し,根平均二乗誤差を低減するため,ハイパーパラメータチューニングのための異なるサンプリング手法,画像仕様,ベイズ最適化を試みた。 サンプリング手法は限界改善を示したが、ベイズ最適化の実装は高い精度を示した。 その他のマイナーな最適化の試みとしては、入力仕様や前処理アプローチの実験がある。 その結果、制御された実験に基づいて、ペロブスカイト型太陽電池の層厚を予測するための畳み込みニューラルネットワークの有効性、効率、有効性を確認した。

関連論文リスト

• Verification of Geometric Robustness of Neural Networks via Piecewise Linear Approximation and Lipschitz Optimisation [57.10353686244835]
  我々は、回転、スケーリング、せん断、翻訳を含む入力画像の幾何学的変換に対するニューラルネットワークの検証の問題に対処する。 提案手法は, 分枝・分枝リプシッツと組み合わせたサンプリングおよび線形近似を用いて, 画素値に対する楽音線形制約を求める。 提案手法では,既存の手法よりも最大32%の検証ケースが解決されている。
  論文  参考訳（メタデータ） (2024-08-23T15:02:09Z)
• Application of RESNET50 Convolution Neural Network for the Extraction of Optical Parameters in Scattering Media [4.934656140862609]
  我々はモンテカルロシミュレーションに基づくシミュレーションデータを用いて汎用畳み込みニューラルネットワークRESNET 50を訓練する。 私たちのアプローチでは、以前の作業と比較すると、はるかに小さなデータセットでトレーニングすることで、同等か、あるいはより優れた再構築の精度が得られます。
  論文  参考訳（メタデータ） (2024-04-25T14:36:00Z)
• Photonic Structures Optimization Using Highly Data-Efficient Deep Learning: Application To Nanofin And Annular Groove Phase Masks [40.11095094521714]
  メタ表面は、薄膜光学の領域における光特性の操作のための柔軟なフレームワークを提供する。 本研究の目的は,これらのデバイスに対するサロゲート最適化フレームワークの導入である。 本フレームワークは、天文高コントラストイメージングへの応用に適した2種類の渦位相マスク(VPM)の開発に応用される。
  論文  参考訳（メタデータ） (2023-09-05T07:19:14Z)
• EndoDepthL: Lightweight Endoscopic Monocular Depth Estimation with CNN-Transformer [0.0]
  我々は,CNNとTransformerを統合してマルチスケール深度マップを推定する,EndoDepthLという新しい軽量ソリューションを提案する。 提案手法は,ネットワークアーキテクチャの最適化,マルチスケール拡張畳み込み,マルチチャネルアテンション機構の導入を含む。 内視鏡画像における単眼深度推定の性能をよりよく評価するために,新しい複雑性評価指標を提案する。
  論文  参考訳（メタデータ） (2023-08-04T21:38:29Z)
• Stochastic Marginal Likelihood Gradients using Neural Tangent Kernels [78.6096486885658]
  線形化されたラプラス近似に下界を導入する。 これらの境界は漸進的な最適化が可能であり、推定精度と計算複雑性とのトレードオフを可能にする。
  論文  参考訳（メタデータ） (2023-06-06T19:02:57Z)
• Globally Optimal Training of Neural Networks with Threshold Activation Functions [63.03759813952481]
  しきい値アクティベートを伴うディープニューラルネットワークの重み劣化正規化学習問題について検討した。 ネットワークの特定の層でデータセットを破砕できる場合に、簡易な凸最適化の定式化を導出する。
  論文  参考訳（メタデータ） (2023-03-06T18:59:13Z)
• Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
  トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。 ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。 これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
  論文  参考訳（メタデータ） (2022-10-27T11:37:14Z)
• NerfingMVS: Guided Optimization of Neural Radiance Fields for Indoor Multi-view Stereo [97.07453889070574]
  本稿では,従来のSfM再構成と学習に基づく先行手法を併用した多視点深度推定手法を提案する。 提案手法は室内シーンにおける最先端手法を著しく上回ることを示す。
  論文  参考訳（メタデータ） (2021-09-02T17:54:31Z)
• Training Sparse Neural Network by Constraining Synaptic Weight on Unit Lp Sphere [2.429910016019183]
  単位 Lp-球面上のシナプス重みを制約することにより、p で空間を柔軟に制御することができる。 このアプローチは、幅広いドメインをカバーするベンチマークデータセットの実験によって検証されます。
  論文  参考訳（メタデータ） (2021-03-30T01:02:31Z)
• Understanding Integrated Gradients with SmoothTaylor for Deep Neural Network Attribution [70.78655569298923]
  ディープニューラルネットワークモデルの属性方法としての統合グラディエントは、シンプルな実装性を提供する。 理解しやすさに影響を及ぼす説明のうるささに悩まされる。 SmoothGrad法は,ノイズ問題を解消し,勾配に基づく帰属法の帰属写像を円滑化するために提案される。
  論文  参考訳（メタデータ） (2020-04-22T10:43:19Z)
• Bayesian optimisation of large-scale photonic reservoir computers [0.774229787612056]
  貯留層コンピューティングは、リカレントニューラルネットワークの簡易トレーニングのパラダイムとして成長している。 この分野における最近の研究は、数万の物理ノードと任意の相互接続を持つ大規模フォトニクスシステムに焦点を当てている。
  論文  参考訳（メタデータ） (2020-04-06T10:11:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。