金属卤化物钙钛矿太阳能电池(PSC)的认证能量转换效率已突破27%，其低本钱和可扩展加工优势使其备受关注。然而，热、偏压和光照等运行应力下的性能退化问题，成为其商业化的主要障碍。同时，当工作温度达到或超越85°C时，钙钛矿层中的缺点和离子迁移会引发材料降解，是致使不稳定的主要原因。除此之外，偏压与热应力主要影响电荷传输层及其与钙钛矿的接触界面，而在户外条件下，紫外线辐射则会破坏光化学稳定性较弱的埋底界面。因此，提高PSC运行稳定性的重点在于减少钙钛矿层内的缺点密度，并强化各界面稳定性。
导读
金属卤化物钙钛矿太阳能电池(PSC)的认证能量转换效率已突破27%，其低本钱和可扩展加工优势使其备受关注。然而，热、偏压和光照等运行应力下的性能退化问题，成为其商业化的主要障碍。同时，当工作温度达到或超越85°C时，钙钛矿层中的缺点和离子迁移会引发材料降解，是致使不稳定的主要原因。除此之外，偏压与热应力主要影响电荷传输层及其与钙钛矿的接触界面，而在户外条件下，紫外线辐射则会破坏光化学稳定性较弱的埋底界面。因此，提高PSC运行稳定性的重点在于减少钙钛矿层内的缺点密度，并强化各界面稳定性。传统上，这种材料和器件的优化依靠很多人工筛选与实验，极为耗时费力。尽管近年来AI的引入为加速新材料发现带来期望，机器学习与高通量合成的结合也已生成大规模数据并发现若干新物质，但这种耦合设计步骤本钱高昂，且一般仅针对单个功能材料(如某一电荷传输层)进行优化，很难达成器件层面的系统提高。
成就掠影
在此，上海交通大学赵一新教授，缪炎峰副研究员和王衍明副教授(一同通讯作者)等人开发了一种用先进多智能体AI技术的新路线。通过剖析大语言模型从综合文献数据库中推荐的高性能PSC有关研究，借助相互连接的专业智能体的见解，探索了钙钛矿组分和界面材料的各种选择。结合定量的经典机器学习算法，多智能体AI框架可以准确预测钙钛矿的组成并评估界面材料。对于钙钛矿材料，AI预测结合热力学驱动的单晶成长，确定了FA0.92Cs0.08PbI3(FA为甲脒)为最佳组分，该组分具备最低的陷阱密度。通过设计(4'|(3,6|二甲氧基|9H|咔唑|9|基)|[1,1'|联苯]|4|基)膦酸(MeO|DPPACz)进一步增强器件稳定性，其在紫外照射下表现优于传统的自组装材料。将双面原子层沉积氧化铝集成到器件结构中后，所得到的PSC在0.087 cm2的掩模面积上达成了25.0%的PCE，并对各种应力原因表现出强大的耐受性。这类特质使其在100°C的严苛高温下具备优秀的运行稳定性，在连续1个太阳光照下运行1000小时后，仍能维持初始PCE的97%。
有关研究成就以“人工智能|guided design of efficient perovskite solar cells operationally stable at 100°C”为题发表在Science上。
核心革新点
1.作者报道了一种四智能体协作的AI，用于指导光吸收层、抗紫外空穴传输材料与稳健异质界面的理性设计，从而达成稳定的钙钛矿光伏器件。
2.通过热力学驱动的单晶成长和薄膜实验表征验证，该多智能体框架辨别出了一种高度稳定的甲脒|铯碘化铅钙钛矿(FA0.92Cs0.08PbI3)。基于AI的洞察进一步推进设计了一种定制的空穴传输分子——(4'|(3,6|二甲氧基|9H|咔唑|9|基)|[1,1'|联苯]|4|基)膦酸，该分子具备优秀的抗紫外能力。
数据概览
图1.多智能体AI框架的工作步骤概述 2026 AAAS
图2.FA1|xCsxPbI3单晶的性质2026 AAAS
图3.合成的MeO|DPPACz及沉积钙钛矿薄膜的表征2026 AAAS
图4.钙钛矿太阳能电池的稳定性评估2026 AAAS
成就启示
总的来看，本文基于多智能体AI框架，设计了可以耐受100°C运行条件的超稳定钙钛矿太阳能电池是可行的。该数据集进一步被组分智能体用于优化FA|Cs钙钛矿的组成，并被界面智能体用于评估自组装分子。遵循上述指导，通过实验确定了FA0.92Cs0.08PbI3为最好钙钛矿，其具备最低的陷阱密度和最高的稳定性。将这一优化后的组分与AI辅助设计的抗紫外咔唑膦酸分子与双面氧化铝界面相结合，成功构建了基于这一物质的超稳定且高效的钙钛矿太阳能电池器件。
文献链接：“人工智能|guided design of efficient perovskite solar cells operationally stable at 100°C”(Science，2026，10.1126/science.aef1620)
免责声明：本文内容来来源于“材料人”，如需转载请联系大家。如涉及作品内容、版权和其它问题，请来电或致函告之，大家将准时给予处置!
