2020年3月12日，我院工程热物理系罗小兵教授团队在能源类期刊Nano Energy（影响因子16.602）在线发表重要研究进展“Machine learning-optimized Tamm emitter for high-performancethermophotovoltaic system with detailed balance analysis”论文。华中科技大学煤燃烧国家重点实验室为第一完成单位，我院胡润副教授和宋金霖博士后为共同第一作者，罗小兵教授、武汉光电国家研究中心陶光明教授和胡润副教授为共同通讯作者。
在太阳能电池里，只有能量超过光伏电池禁带能隙的光子才可以被吸收和激发电子空穴对，而太阳能光谱较宽，因此其能源利用效率受Shockley-Queisser极限所限制。相比太阳能电池，热光伏电池是将太阳能吸收升温再发射，通过发射器纳米结构的优化，其发射光谱可调制成较窄的辐射谱，仅允许辐射出能量高于光伏电池禁带能隙的光子，因此具有更高的能源利用效率。但是，如何将辐射器的纳米结构调控与光伏电池的能量转化过程描述清楚并进行耦合优化，是目前热光伏电池在理论建模方面的巨大挑战，这是因为纳米结构体系复杂，参量众多，优化的复杂度使得传统的优化方法无能为力，而且热光伏电池体系的详细建模复杂，且其输出功率密度和系统效率相互竞争，导致目标函数描述困难。
针对以上问题，我院罗小兵教授团队通过集成蒙特卡洛树查询机器学习与光伏电池的细节平衡分析方法耦合，以基于GaSb电池和一维Tamm热辐射器优化为例，得到了最大化的光伏电池的功率密度和系统效率的Pareto前沿，发现最优Tamm结构是非周期的SiO2/TiO2的布拉格反射镜结构，并通过与周期结构对比分析，详细解释了其物理机制在于局部功率耗散密度的差异。该工作得到了国家自然科学基金项目、国家重点研发计划项目、国家博士后基金等项目的支持。
文章信息：Run Hu*, Jinlin Song, Yida Liu, Wang Xi, Yiting Zhao, Xingjian Yu, Qiang Cheng, Guangming Tao*, Xiaobing Luo*, Machine learning-optimized Tamm emitter for high-performance thermophotovoltaic system with detailed balance analysis, Nano Energy, Vol.72:104687, 2020.
全文链接：https://www.sciencedirect.com/science/article/abs/pii/S2211285520302445
