Aller au contenu principal
Accès ouvert déclaré 2026 article

Optimizing Zn-doped CuO for ecofriendly solar cells: A hybrid SCAPS-1D/machine learning approach

0Citations signalées, ce qui n’est pas une note de qualité
7Institutions déclarées
4Pays d’affiliation déclarés

Rattachement africain : Maroc, Algérie, jo, ae. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Addressing the critical demand for high-efficiency, thermally stable, and low-cost photovoltaics, this highly impactful work presents a breakthrough solar cell architecture featuring WS 2 as the electron transport layer and CuI as the hole transport layer. We rigorously analyzed WS 2 /CuO and CuO/CuI interfaces to optimize charge transport using SCAPS-1D simulations. To accelerate parameter exploration, six machine-learning models were evaluated, with Random Forest and Gradient Boosting achieving superior predictive accuracy (MAE <1%, R 2 =0.90). Feature importance analysis revealed zinc doping concentration as the dominant performance driver (72% contribution), with efficiency declining beyond 6–8% doping. Under standard conditions (300 K), the optimized device achieved a remarkable PCE of 25.88% (Jsc=20.10 mA/cm², Voc=1.447 V, FF=89.05%), further rising to 26.45% with WS 2 layer tuning. These results provide insights into the relationship between Zn concentration, defect density, interface quality, and photovoltaic performance, highlighting 8% Zn-doped CuO/ WS2 as a promising and potentially low-cost absorber material for thin-film solar-cell applications.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Optimizing Zn-doped CuO for ecofriendly solar cells: A hybrid SCAPS-1D/machine learning approach
Date Crossref
01/10/2026
Éditeur
Elsevier BV
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Copper-based nanomaterials and applicationsChalcogenide Semiconductor Thin FilmsMachine Learning in Materials Science

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.