使用机器学习进行吸收预测的超宽带、广角正形开槽超材料太阳能吸收器设计

科学报告|(2022) 12:10166| https://doi.org/10.1038/s41598-022-14509-y1 打开超宽带、广角加型开槽超材料太阳能吸收器设计使用机器学习进行吸收预测Shobhit K. Patel1, Juveriya Parmar2 & Vijay Katkar1能源利用日益增加，需要高效的可再生能源。通过将太阳能转化为热能，可以使用高效的太阳能吸收器来满足这些不断增长的能源需求。本文提出了一种覆盖可见光、紫外和近红外光谱的高效和超宽带响应的太阳能吸收器设计。观察了三种超材料设计（加型开槽设计、加型设计和方形设计）的吸收响应，一种优化设计用于基于其高效率的太阳能吸收器设计。设计结果与 AM 1.5 光谱辐照度响应进行了比较。还提出了正形开槽超材料设计的电场响应，与不同太阳光谱区域的吸收结果很好地匹配。结果证明，获得的吸收响应显示出宽入射角。机器学习还用于检查设计数据，以预测各种基板厚度、超表面厚度和入射角的吸收。基于机器学习的回归和预测模拟用于尝试预测即将到来的和中间波长的吸收体行为。仿真结果证明，基于机器学习的方法可以减少必要的仿真资源和时间，并且可以作为设计吸收器时的有效工具。所提出的高效、广角、超宽带太阳能吸收器设计及其使用机器学习的行为预测能力可用于太阳能热能收集应用。随着科学技术的进步和电气、电子设备成本的迅速下降，能源需求在此期间迅速增加。使用传统的能源生产方法来满足这一要求非常困难，也不可取。可再生能源是解决这个问题的好方法，因为它不会阻碍环境及其生态系统。太阳为地球提供了大量的光能和热能，可用于产生清洁的可再生能源并满足日益增长的能源需求。太阳能收集的三种方法是： (a) 光伏方法：使用光伏装置将光子能转化为电能 (b) 光化学方法：将太阳能转化为可储存的化学燃料 (c) 光热方法：使用太阳能热吸收器将光子能转化为热能。太阳能吸收器采用传统材料（如 Au、Ti-Al2O3）设计，无法获得可调性能。然而，碳基材料的使用提供了令人赞叹的热稳定性和化学稳定性、一流的热导率等优点。1.在科学史上第一次发现石墨烯是一种原子厚的二维碳物质，具有出色的电学、晶体学和光学特性3.一层石墨烯能够以 0.1% 的折射率吸收 2.3% 的白光4.进一步证明，随着石墨烯层数的增加，吸收也会增加，证明了线性关系5.结果石墨烯被许多研究人员用于设计太阳能吸收器6.超材料是另一种优秀的人造材料，可用于设计吸收体、传感器等。超材料是一种有目的的构造结构，由于其卓越的品质，如对称传输，引起了很多关注。10, 和负折射率11， 等等。首先1 印 度 古 吉 拉 特 邦 拉 杰 科 特 马 尔 瓦 迪 大 学 计 算 机 工 程 系 。 2 印 度 古 吉 拉 特 邦 拉 杰 科 特 马 尔 瓦 迪 大 学 电 子 与 通 信 工 程 系 。 电子邮件：shobhitkumar.patel@marwadieducation.edu.in 科学报告|(2022) 12:10166 |https://doi.org/10.1038/s41598-022-14509-y2一世一世一世MA（超材料吸收器）由 Landy 等人创建。12，几乎完全吸收。这些吸收器的初始层具有图案化的金属设计，以提供阻抗匹配并减少光反射。使用谐振腔设计，第二介电层允许电磁波在到达金属板层之前分散，从而停止传输13.吸收响应是窄带的，具有单峰、双峰或多峰，其吸收响应是统一的14这是这些吸收器的唯一缺点。太阳能吸收器必须在所有波长范围内都非常有效，包括太赫兹、紫外线、可见红外线和微波19.太阳能吸收器用于各种应用，包括太阳能收集、超透镜和光学结构设计22.使用机器学习方法，如回归分析、用于模式和行为预测的神经网络是近来一个活跃的研究领域25该技术也已应用于光子器件28.回归分析是一种统计方法，其中发现了因变量（在我们的例子中是吸收值）和自变量（在我们的例子中是波长值）之间的关系。时间序列分析用于在各种条件下发现一段时间内数据值的变化模式（在我们的例子中，吸收值随波长值的变化而变化）。在本文中，我们提出了三种超宽带太阳能吸收器，包括紫外线、可见光和近红外线。第 II 部分包含这些设计的设计、建模和结果。本节还包括吸收分析、石墨烯电导率模型和形状分析。第三部分包括设计的参数分析和电场分析。第四节包括机器学习分析。第五节报告了结论性说明。设计、建模和结果太阳能吸收器设计（图 1）是通过在 SiO2 衬底上放置一个正形开槽金谐振器层并由石墨烯间隔物隔开而制成的。金地平面放置在结构的底部以避免透射。超材料谐振器和衬底的厚度随后保持在 0.5 μm 和 8 μm。石墨烯单层厚度为 0.34 nm。关于正层长度和宽度的其他尺寸如图 1a-c 所示。使用 COMSOL Multiphysics 模拟器通过有限元法 (FEM) 模拟超材料太阳能吸收器设计，吸收结果如图 1d 所示。石墨烯层的设计和吸收分析在这里以数字形式呈现。正形开槽超材料太阳能吸收器在紫外、可见光和近红外区域的平均吸收率分别为 91%、97% 和 86%，随后给出了如图 1d 所示的超宽带吸收响应。吸收分析。不同入射角的吸收分析可以根据以下等式计算。 （1-8）计算了不同角度的反射率，并且从反射率可以计算出吸收率，因为由于金接地平面几乎没有透射率。吸收的依赖性取决于石墨烯的电导率 (σ) 和入射角 (θi)，如方程式所示。 (1–8)32.在这些方程中是角频率，ℏ是减少的平板常数，ķ是波向量因θ一世00(ω,θ一世)r(ω, θ一世)=2ick2+ω因θ (ω,θ一世)(1)ωσ||(ω,ķ)=X=一世4πℏķ200(ω,ķ)r(ω,θ=2π因θ一世σ||(ω,ķ)(2)C+2π因θ一世σ||(ω,ķ)(3)R(,θ一世)=r(,θ一世)|24π2因2θiRe2X+Im2XR(,θ一世)=[C+2πcos θ回覆X]+4π2因2θIm2X(4)(5)4π2 Re2σ(ω)+Im2σ(ω)(=R(,)=[C+2π回覆σ(ω)]+4π2Im2σ(ω)一个(ω)=1−R(ω) −吨(ω)(6)(7)如前所述，由于金地平面，透射率被认为为零。方程。 (7) 现在变成了。一个(ω)=1−R(ω)石墨烯电导率模型对于获得高吸收非常重要，此处介绍。(8)石墨烯电导率模型。模内和模间电导率方程在方程式中给出。 (9–12)30一世00R 科学报告|(2022) 12:10166 |https://doi.org/10.1038/s41598-022-14509-y3图1。基于正形超材料的太阳能吸收器设计（一个) 3D 视图, (b） 顶视图， （C） 正视图， （d) 基于 AM 的正形开槽超材料太阳能吸收器设计的超宽带吸收响应1.5。参数为：L = 3 μm，L1 = 1.9 μm，L2 = 1.4 μm，L3 = 1 μm，St = 8 μm，Gt = 0.5 μm，Rt = 0.5 μm。这个数字不符合比例。ε(ω)=1+σsε0ω�(9)−杰2kBT C −μCσ内部=πℏ2(ω−j2Ŵ)kBT+2英kBT+1(10)−杰2σ间=4πℏln2|μC|(ω−j2Ŵ)ℏ2|μC|(ω−j2Ŵ)ℏ(11)σs=σ间+σ内部(12)参数分析和电场结果通过改变各种物理参数，如超表面厚度、基板厚度和入射角，对基于正形开槽超材料的太阳能吸收器的高性能设计进行了详细分析。相应的结果如图 2a-c 所示。图 2a 说明了吸收响应相对于超表面厚度变化的变化。超表面厚度从 0.5 到 2.5 μm 不等，每增加 0.5 μm。可以看出，吸收响应受这种变化影响不大。因此，我们可以推断，为了使太阳能吸收器具有成本效益，超表面厚度保持在 0.5 μm。图 2b 说明了吸收响应的变化w.r.t 增加基板厚度。可以观察到，随着我们增加基板厚度，吸收开始增加。在 0.2 μm 到 1 μm 的波长范围内吸收响应非常好。但对于 科学报告|(2022) 12:10166 |https://doi.org/10.1038/s41598-022-14509-y4图 2。加型开槽超材料太阳能吸收器设计在改变几个物理参数时的吸收响应（一个) 吸收响应的变化，同时改变超表面厚度。 (b) 在改变基板厚度时吸收响应的变化，(C) 改变入射角时的吸收响应。衬底厚度值越低，我们在 1 μm 到 1.5 μm 的波长范围内的吸收就越少，如图 2b 所示。但随着基板厚度增加到 8 μm，该特定区域的吸收响应开始增加。因此，为了实现高吸收、高效和超宽带太阳能吸收器，我们将基板厚度保持在 8 μm。图 2c 证明了所提出的正形开槽超材料太阳能吸收器的广角、角度不敏感特性。如图 2c 所示，除了 30° 的入射角外，大多数角度的吸收响应是相同的。但是，对于 30°，我们在 0.2 到 1.5 μm 的整个区域内实现了约 60% 的平均吸收。对于其余的入射角，获得的平均吸收响应在 90% 以上。所以我们可以说，所提出的太阳能吸收器对 0° 到 70° 的广角敏感。所提出的太阳能吸收器的电场强度响应如图 3 所示，适用于各种波长值，因此它涵盖了从 0.2 到 1.5 μm 的所有覆盖区域。对于 0.3 μm、0.5 μm、0.7 μm、0.9 μm、1.1 μm 和 1.3 μm 的波长值，可获得电场响应。它表示随着我们增加波长，电场强度开始降低。电场强度的最高值在 0.3 μm 处达到，表明在该特定波长处的最高吸收约为 0.997。因此，图 3 中报告的电场强度验证了图 1d 中实现的吸收响应。此外，我们还将我们提出的太阳能吸收器与之前发表的工作进行了比较，结果以表 1 的表格形式呈现。 科学报告|(2022) 12:10166 |https://doi.org/10.1038/s41598-022-14509-y5图 3。正形开槽超材料太阳能吸收器的电场强度（一个) 0.3 微米, (b) 0.5 微米, (C) 0.7 微米, (d) 0.9 微米, (e) 1.1 微米, (F) 1.3 微米。机器学习分析加权 KNN 回归是一种广泛使用的方法，用于发现独立之间的关联 科学报告|(2022) 12:10166 |https://doi.org/10.1038/s41598-022-14509-y6在哪里一世ñķ平均吸收 (%)设计紫外线可见的近红外角度不敏感加型开槽超材料设计9197860° 至 70°参考。37–71.1–0° 至 40°参考。3892.9986.586.1–参考。39––90%–参考。40–90%以上90%以上–参考。41–92–0° 至 90°参考。42–70––参考。43–80––参考。4489.5797.5185.48–参考。4574.192.1–0° 至 30°表格1。已开发的太阳能吸收器与可用结构的比较。和因变量35.回归模型的熟练程度是使用度量 R 确定的2分数。该指标是使用方程式计算的。 (13)。R2=1−党卫军红色的党卫军总(13)斯托特=Σñ一世=1(实际目标一世—平均目标值)2(14)Σ2SSres=1(预测目标值一世−实际目标值一世)(15)这里，实际目标值是实际吸收值，预测目标值是指训练后回归模型的预期吸收能力。加权 KNN 回归。在以下算法的帮助下解释了加权 KNN 回归的工作。算法：加权 KNN 回归。输入：TD：训练数据。 K：“K”的值。x：预测的自变量值。程序：第 1 步：计算“x”之间的距离和每个 d 的自变量值∈ 道明。第 2 步：从 TD 中选择与“x”距离最小的前“K”项。第 3 步：使用方程式计算预测值。 (16)Σw∗F(d)w=1距离(X,d一世)预测值=一世=Σ1我我一世=1w一世(16)这里，f(di)，给出了对应于训练样本di的因变量的值。欧几里得距离是最广泛使用的距离度量。时间序列分析。它用于在各种条件下发现一段时间内数据值的变化模式（在我