Temperature-Driven Sequential Modeling for the Prediction of Annual Power Conversion Efficiency Profiles of Organic Photovoltaic Materials: Douala Case Study
Questo articolo introduce un framework computazionale nativo per il clima che combina la dinamica molecolare, le reti neurali a grafo equivarianti e l'apprendimento profondo sequenziale per prevedere i profili di efficienza di conversione di potenza annuali guidati dalla temperatura dei materiali fotovoltaici organici nelle regioni tropicali, dimostrando che la modellazione della dinamica conformazionale termica supera significativamente le valutazioni di efficienza statica per l'identificazione di candidati idonei per l'impiego nel mondo reale.