轉自 量子位

在材料學界，研發高效鈣鈦礦太陽能電池（PSCs）一直被戲稱為“頂級煉丹術”。

同一個配方，不同的人、甚至同一個人的不同心情，做出來的效率可能天差地別。這種高度依賴人工經驗、低效試錯的“作坊模式”，不僅拖慢了效率，更成了產業化的攔路虎。

但現在，香港城市大學朱宗龍、曾曉成團隊給出了終極終結方案。

他們首創了一套AI驅動的自動化閉環研發平臺。從2萬個分子的“大海撈針”，到自動化機械臂精準制備，再到AI實時反饋調整，全程無需人類插手。

這不僅是直接刷出了27.18%的穩態認證效率，更是AI for Science +機器人制造在光伏領域的首次重大突破。

人類化學家，真的可以把“搬磚”的工作交給AI了。

告別“玄學煉丹”，AI軍師上線：2萬進1的精準獵殺

傳統實驗室里，尋找一種新型鈍化分子往往靠“拍腦袋”或者盲目篩選。

而港城大團隊這次展示了什么是“數據驅動的降維打擊”。他們建立了一個包含18,264種分子的龐大虛擬庫，但這僅僅是開始。

團隊利用解釋性機器學習算法（SISSO），不僅在算力中完成了篩選，更重要的是，AI通過學習挖掘出了影響效率的底層邏輯。AI就像一名擁有上帝視角的導師，在海量數據中精準指路，鎖定了天選分子——5ANI。這種基于物理規律的“靶向發現”，比傳統盲目試錯快了幾個量級，更首次實現了界面材料研發的“去經驗化”。

機器人“科學家”：首個光伏研發的閉環自駕系統

有了好配方，誰來做？

這次，朱宗龍團隊徹底打破了“人工制備”的瓶頸。他們研發的自動化制造平臺，絕不是簡單的機械重復，而是一個擁有“大腦”的閉環自駕系統。

（1）高精度執行：機器人精準控制旋涂速度、滴定時間、退火溫度，誤差范圍比人類頭發絲還要細。

（2）貝葉斯優化（BO）：每做完一批電池，AI會自動分析結果，如果效果不好，它會通過博弈算法原地自我迭代，更新下一批次的工藝參數。

這種“設計-制造-測試-反饋”的全自動閉環，實現了光伏領域首個真正意義上的自主研發路徑。

硬核戰果

這套AI自駕系統的表現，可以用“出道即巔峰”來形容：

（1）效率屠榜：穩態認證效率27.18%（小電池），業界頂流；迷你模組效率達23.49%，證明了AI方案的規?；瘽摿Α?/p>

（2）穩定性極佳：經受住了ISOS-L-1I的嚴苛考驗，1200小時運行后效率幾乎沒有損耗（保持率98.7%）。

（3）可重復性神話：這是最讓科研人員破防的一點——自動化制備的效率分布極窄，可重復性比人工操作直接提升了5倍。

范式革新：定義光伏研發的“下一代標準”

這項研究之所以能登上《Nature》，其意義遠不止于一個效率紀錄，而在于它重新定義了科研的玩法。

朱宗龍教授團隊證明了，通過AI for Science +機器人自動化，我們可以將人類從繁重冗余的體力實驗中解放出來，轉而從事更高層級的科學策略思考。

這種“自動駕駛”式的研發范式，不僅為鈣鈦礦產業化掃清了“一致性”障礙，更標志著新材料開發正式告別了靠運氣、靠經驗的舊時代，邁入了科學驅動的數字文明時代。

一句話總結

這不僅僅是效率的提升，更是AI for Science在光伏研發領域的首次重大突破。以后開發新材料，器件制造工藝優化，可能真的只需要輸入需求，然后坐等收貨了。

網友點評：“以后發論文，致謝名單第一位是不是得寫：感謝我的AI合作伙伴和那任勞任怨的機械臂們？”

論文圖文詳解（供參考）

AI +自動化機器人制備的自主閉環研發框架

研究團隊構建了一個貫穿“分子發現”與“工藝優化”的自主閉環系統。該框架的核心在于將基于機器學習（ML）的材料設計與高保真的自動化制造平臺深度整合。

系統首先利用RDKit和量子力學計算構建了包含近兩萬種分子的虛擬庫，通過主動學習識別關鍵特征。隨后，自動化機器人平臺根據模型指令進行實地合成與器件制備，并利用貝葉斯優化實時調整退火溫度、溶劑比例等關鍵工藝參數，將實驗結果即時反饋至數據模型中。

這種閉環范式徹底改變了依賴人工經驗的傳統“試錯法”，標志著鈣鈦礦研究從“手動駕駛”向“智能駕駛”的跨越。

解釋性機器學習驅動的界面材料精準篩選

為了在浩如煙海的候選分子中定位最優解，團隊利用SISSO（符號回歸與壓縮感知）算法建立了結構-性能的內在映射，從海量候選者中精準鎖定了新型鈍化分子5ANI。

該分子特有的氰基與吡啶環結構被預測具有極強的表面成鍵能，能與鈣鈦礦表面產生高效的化學錨定。這種由AI驅動的“靶向篩選”不僅極大地縮短了研發周期，更從本質上揭示了提升光電轉換效率的分子邏輯。

器件光電性能突破與卓越的可重復性驗證

在AI驅動的自主工藝精進下，5ANI鈍化的鈣鈦礦太陽能電池展現出驚人的性能表現。實驗測得其實驗室效率高達27.22%（認證穩態效率為27.18%），同時在21.4 cm2的大面積組件上也實現了23.49%的領先效率。

除了性能指標的刷新，該平臺最具革命性的貢獻在于對實驗“保真度”的控制。統計數據表明，自動化平臺產出的器件數據分布極窄，其制造可重復性較當前手動操作制備提升了近5倍。這一突破有力證明了AI與自動化結合是解決鈣鈦礦領域長期存在的“實驗數據波動”難題、邁向規?；慨a的關鍵途徑。

多維表征深度解析5ANI的鈍化機理

通過一系列精密物理表征，研究團隊深入剖析了5ANI帶來的增益機制。準費米能級分裂（QFLS）與電致發光效率測試證實，5ANI顯著抑制了界面處的非輻射復合，極大地減少了能量損耗。光致發光（PL）成像則揭示了5ANI在改善薄膜空間均勻性方面的卓越能力，其光學效率分布呈現出極高的規整度。結合熱導納譜對陷阱態密度的精確測量，證明了5ANI能夠有效鈍化深層缺陷并優化能級匹配。

期刊名稱：
Nature
第一作者（或者共同第一作者）：
高丹鵬，陸帥華，張春雷，王寧，余澤鑫，孫祥浪
通訊作者（或者共同通訊作者）：
朱宗龍，曾曉成，Samuel D. Stranks
通訊單位：
香港城市大學，劍橋大學
論文DOI：
https://www.nature.com/articles/s41586-026-10482-y

【免責聲明】轉載出于非商業性的教育和科研目的，只為學術新聞信息的傳播，版權歸原作者所有，如有侵權請立即與我們聯系，我們將及時刪除。