打开网易新闻 查看精彩图片

金属卤化物钙钛矿（MHPs）虽在光伏领域展现出高效率潜力，但其复杂的化学空间和稳定性问题制约了商业化进程。

本综述香港科技大学周圆圆等人提出了一种融合人工智能（AI）与自动化实验的“自动驾驶”研究流程：通过生成式AI探索超万亿级化学组合，结合机器人高通量合成与表征平台，实现从理论预测到实验验证的闭环优化。该框架首次将计算设计、自动化实验与全局优化无缝衔接，成功加速了稳定高效钙钛矿材料的发现，并将扩散长度、载流子寿命等关键参数预测误差控制在5%以内。

这一方法论不仅适用于钙钛矿，还可推广至其他先进材料体系，为材料研发效率提升10倍以上提供可能。

研究亮点

  1. AI+机器人闭环革命：首创“生成式AI筛选→机器人合成→数据反馈迭代”全自动流程，将钙钛矿材料研发周期从数年缩短至数月，化学空间探索效率提升百万倍。

  2. 颠覆性发现机制：通过光致发光（PL）光谱机器学习解码钙钛矿降解动态，揭示n型到p型转换的临界光照强度（0.19 mW/cm²），为稳定性优化提供新靶点。

  3. 跨尺度可解释模型：开发晶体位点特征嵌入（CSFE）算法，实现从原子结构（如Pb-I八面体畸变）到器件性能（如27% PCE）的跨尺度预测，准确率达92%。

Lifang Xie, Yalan Zhang, Noah Peterkes, Xiaofen Li, Yike Guo, Yuanyuan Zhou,Unlocking a self-driving research workflow for perovskite photovoltaics,Matter,Volume 8, Issue 6,

2025,102097,ISSN 2590-2385,

https://doi.org/10.1016/j.matt.2025.102097.

(https://www.sciencedirect.com/science/article/pii/S2590238525001407)

学术交流QQ群

知光谷光伏器件学术QQ群：641345719

钙钛矿产教融合交流@知光谷（微信群）：需添加编辑微信

为加强科研合作，我们为海内外科研人员专门开通了钙钛矿科创合作专业科研交流微信群。加微信群方式：添加编辑微信pvalley2024、pvalley2019，备注：姓名-单位-研究方向（无备注请恕不通过），由编辑审核后邀请入群。