페로브스카이트 태양 전지의 성능 예측을 위해 기하학적 그래프 신경망(GNN)과 언어 모델 임베딩을 결합한 기하학적 공통 주의 모델(Solar-GECO)을 제안합니다. Solar-GECO는 페로브스카이트 흡수체의 원자 구조를 직접 인코딩하는 GNN과, 수송층 및 기타 장치 구성 요소의 화학 물질을 나타내는 텍스트 문자열을 처리하는 언어 모델 임베딩을 결합합니다. 또한 공통 주의 모듈을 통합하여 층 내 종속성 및 층간 상호 작용을 포착하며, 확률적 회귀 헤드를 통해 전력 변환 효율(PCE)과 관련된 불확실성을 예측합니다. Solar-GECO는 기존 모델보다 우수한 성능을 보이며, PCE 예측의 평균 절대 오차(MAE)를 감소시켰습니다.
