Supervised Machine Learning for Predicting Power Conversion Efficiency in Perovskite Solar Cells: A Systematic Review and Quantitative Meta-Analysis
Dit artikel presenteert een systematische review en kwantitatieve meta-analyse van 36 studies die aantonen dat boomgebaseerde ensemble-methoden de meest effectieve supervised machine learning-benadering zijn voor het voorspellen van de efficiëntie van perovskiet-zonnecellen, terwijl het tegelijkertijd de belangrijkste uitdagingen in datastandaardisatie identificeert en een uitgebreide roadmap voorstelt om de betrouwbaarheid en schaalbaarheid van door ML gedreven fotovoltaïsche ontwikkeling te verbeteren.