Supervised Machine Learning for Predicting Power Conversion Efficiency in Perovskite Solar Cells: A Systematic Review and Quantitative Meta-Analysis
Este artículo presenta una revisión sistemática y un metaanálisis cuantitativo de 36 estudios que demuestran que los métodos de ensamble basados en árboles son el enfoque de aprendizaje automático supervisado más eficaz para predecir la eficiencia de las células solares de perovskita, identificando al mismo tiempo desafíos clave en la estandarización de datos y proponiendo una hoja de ruta integral para mejorar la fiabilidad y la escalabilidad del desarrollo fotovoltaico impulsado por el aprendizaje automático.