AI接管實驗了，鈣鈦礦電池效率沖上27.22%！

在新能源技術(shù)加速發(fā)展的當(dāng)下，鈣鈦礦太陽能電池被視為下一代光伏的核心方向之一。然而，這項技術(shù)卻長期受制于一個“看不見的瓶頸”：材料發(fā)現(xiàn)和器件制造高度依賴科研人員經(jīng)驗與反復(fù)試錯，不僅效率低、成本高，還導(dǎo)致實驗結(jié)果難以復(fù)現(xiàn)，嚴重阻礙其從實驗室走向產(chǎn)業(yè)化。如何擺脫“人工試錯”的路徑依賴，實現(xiàn)高效、可復(fù)制的研發(fā)體系，成為當(dāng)前鈣鈦礦領(lǐng)域最迫切的挑戰(zhàn)之一。

針對這一關(guān)鍵難題，香港城市大學(xué)朱宗龍教授、曾曉成教授聯(lián)合劍橋大學(xué)Samuel D. Stranks教授提出了一種“機器學(xué)習(xí)+自動化制造”的自主閉環(huán)研究框架。該系統(tǒng)將材料篩選、器件制備和性能優(yōu)化全部納入自動循環(huán)中：一方面利用機器學(xué)習(xí)和量子計算快速篩選高性能分子，另一方面通過自動化實驗平臺不斷優(yōu)化制備工藝。在這一體系下，研究人員成功發(fā)現(xiàn)新型鈍化分子5ANI，使電池效率達到27.22%，并在大面積器件中實現(xiàn)23.49%的高性能。同時，該自動系統(tǒng)將制備一致性提升近5倍，并實現(xiàn)超過1200小時的穩(wěn)定運行，標(biāo)志著光伏材料研發(fā)正式邁入“自驅(qū)動時代”。相關(guān)成果以“Autonomous closed-loop framework for reproducible perovskite solar cells”為題發(fā)表在《Nature》上，高丹鵬、陸帥華、張春雷、王寧、余澤鑫和孫祥浪為共同第一作者。

從“化學(xué)空間”到自動實驗室：AI如何接管材料發(fā)現(xiàn)

整個研究的核心，從一個龐大的“化學(xué)宇宙”開始（圖1a）。傳統(tǒng)研究通常只在少數(shù)已知材料中優(yōu)化，而這里，研究人員通過算法自動生成分子結(jié)構(gòu)——從基礎(chǔ)的苯乙胺骨架出發(fā)，引入不同取代基（如-CN、-CF3等），構(gòu)建出超過1.8萬個候選分子，形成一個系統(tǒng)化的探索空間。接下來，這些分子被送入機器學(xué)習(xí)模型進行篩選（圖1b）。模型通過已有實驗數(shù)據(jù)與第一性原理計算，建立“結(jié)構(gòu)—性質(zhì)—性能”之間的關(guān)系，從而預(yù)測哪些分子最有可能提升電池效率。更重要的是，這一過程并非一次性完成，而是通過“主動學(xué)習(xí)”不斷迭代優(yōu)化。最終，這些理論篩選結(jié)果被送入自動化實驗平臺（圖1c）。在這里，機器人完成從材料制備、器件加工到性能測試的全部流程，并將數(shù)據(jù)實時反饋給模型，實現(xiàn)真正意義上的“閉環(huán)優(yōu)化”。這意味著，科學(xué)家不再需要逐個實驗試錯，而是讓系統(tǒng)自己不斷進化。

圖1：展示AI驅(qū)動的閉環(huán)研究框架，包括化學(xué)空間構(gòu)建、機器學(xué)習(xí)篩選和自動化制造系統(tǒng)

讓AI“理解物理”：可解釋機器學(xué)習(xí)如何找到關(guān)鍵分子

與傳統(tǒng)黑箱AI不同，這項研究的一個關(guān)鍵突破在于“可解釋性”（圖2a）。研究團隊使用一種名為SISSO的符號回歸算法，讓模型不僅能預(yù)測性能，還能給出明確的數(shù)學(xué)關(guān)系。通過SHAP分析（圖2b），研究發(fā)現(xiàn)影響電池效率的關(guān)鍵因素包括分子體積（Vm）和界面功函數(shù)（EWF）；而相關(guān)性分析（圖2c）則表明這些變量之間相互獨立，具備良好的建模基礎(chǔ)。更進一步，模型給出了一條明確的數(shù)學(xué)表達式（圖2a），揭示多個物理參數(shù)之間的復(fù)雜耦合關(guān)系。這一結(jié)果表明，電池性能并非由單一因素決定，而是多種分子和界面特性的協(xié)同作用。在此基礎(chǔ)上，研究人員將模型應(yīng)用到整個分子庫（圖2g），并通過篩選流程（圖2i）鎖定57個潛在高性能分子，最終挑選出4種進行實驗驗證，其中就包括表現(xiàn)最優(yōu)的5ANI分子。

圖2：說明可解釋機器學(xué)習(xí)如何建立分子結(jié)構(gòu)與電池效率之間的關(guān)系，并篩選高性能材料

自動化制造：讓每一步實驗都“更聰明”

在材料確定之后，真正的挑戰(zhàn)在于如何穩(wěn)定、高效地制備器件。為此，研究團隊構(gòu)建了一個全自動制造平臺（圖3a），從基底、電極到鈍化層全部由機器人完成。系統(tǒng)采用貝葉斯優(yōu)化策略（圖3b），在每一輪實驗后自動調(diào)整工藝參數(shù)。隨著實驗批次增加（圖3c），器件效率不斷提升，最終未鈍化器件也達到23.87%的水平。當(dāng)引入AI篩選出的分子后（圖3d），性能進一步躍升。其中5ANI表現(xiàn)最優(yōu)（圖3e），實現(xiàn)27.22%的峰值效率（圖3f）。更令人驚訝的是，該材料在大面積組件（21.4 cm2）中仍能保持23.49%的高效率（圖3g）。此外，自動化平臺顯著提升了實驗一致性（圖3h）：相比人工操作，性能波動降低近5倍。這對于工業(yè)化生產(chǎn)至關(guān)重要。與此同時，器件在1200小時連續(xù)運行后仍保持98.7%的效率（圖3i），展現(xiàn)出優(yōu)異穩(wěn)定性。

圖3：展示自動化制造平臺、工藝優(yōu)化過程以及電池性能與穩(wěn)定性提升

為什么5ANI這么強？從物理機制揭示答案

為了理解性能提升的根本原因，研究團隊進一步分析了器件內(nèi)部的物理機制。首先是準費米能級分裂（QFLS）（圖4a），這一指標(biāo)反映能量損失情況。結(jié)果顯示，5ANI顯著提升QFLS，說明其有效抑制了非輻射復(fù)合。電致發(fā)光效率（圖4b）也明顯提升，進一步證明載流子復(fù)合損失減少。與此同時，光學(xué)PCE分布圖（圖4c-e）顯示，經(jīng)過5ANI處理的薄膜更加均勻，其性能分布更集中（圖4f），說明材料質(zhì)量顯著提高。在界面層面，KPFM測量（圖4g）表明功函數(shù)更加均勻，有利于電荷提取。而陷阱態(tài)密度分析（圖4h）則顯示，深能級缺陷被有效抑制，這是提升效率和穩(wěn)定性的關(guān)鍵原因。

圖4：從物理機制角度分析鈍化材料如何降低缺陷、提升效率與穩(wěn)定性。

結(jié)論與展望

這項研究不僅刷新了鈣鈦礦太陽能電池的效率紀錄，更重要的是，它展示了一種全新的科研范式：由AI驅(qū)動、自動運行、持續(xù)進化的閉環(huán)實驗系統(tǒng)。在這一體系中，材料發(fā)現(xiàn)、器件制造和性能優(yōu)化不再是割裂的環(huán)節(jié)，而是形成一個不斷自我強化的循環(huán)。未來，這種模式有望推廣至更多材料領(lǐng)域，從電池到催化劑，從半導(dǎo)體到生物材料。科學(xué)研究或?qū)摹叭蓑?qū)動”走向“機器協(xié)同”，極大加速創(chuàng)新速度。可以預(yù)見，一個“自動化科研時代”正在到來。