CHOUYA Anis2025-07-162025-06-12https://dspace.univ-bba.dz/handle/123456789/345L’optimisation des performances des cellules solaires à pérovskite basées sur le composé K2CuCrCl6 a été réalisée par l’intégration de modèles d’apprentissage automatique au simulateur SCAPS1D. Un ensemble de données exhaustif a été généré afin d’évaluer l’influence de paramètres clés, notamment les variations des couches de transport d’électrons (ETL) et de trous (HTL), l’épaisseur de l’absorbeur, ainsi que les effets liés aux défauts, au dopage et aux impuretés dans l’absorbeur K2CuCrCl6. L’analyse statistique approfondie a révélé une forte corrélation entre les valeurs simulées et les valeurs réelles, attestant de la fiabilité du modèle prédictif. Cette fiabilité a été confirmée par un coefficient de corrélation de Pearson de 0,950 dans la prédiction du rendement de conversion de puissance (PCE). Les simulations SCAPS1D, guidées par les résultats optimisés issus du modèle, ont permis d’identifier une configuration optimale du dispositif, composée d’une couche ETL en WS2 de 100 nm, d’un absorbeur K2CuCrCl6 de 800 nm et d’une couche HTL en CBTS de 500 nm, atteignant un rendement de conversion de puissance de 27,99 %. Ces résultats mettent en évidence le potentiel des approches basées sur l’apprentissage automatique pour améliorer la conception et l’optimisation des cellules solaires à pérovskite, ouvrant ainsi la voie à des technologies photovoltaïques à haut rendement, évolutives et validées expérimentalement.frK2CuCrCl6 ; Cellule solaire ; SCAPS1D ; PCE.Thesis