一、【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%，其低成本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过85°C时，钙钛矿层中的缺陷和离子迁移会引发材料降解，是导致不稳定的主要因素。此外，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，提升PSC运行稳定性的关键在于降低钙钛矿层内的缺陷密度，并强化各界面稳定性。传统上，这类材料和器件的优化依赖大量人工筛选与实验，极为耗时费力。尽管近年来人工智能的引入为加速新材料发现带来希望，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，但这种耦合设计流程成本高昂，且通常仅针对单个功能材料（如某一电荷传输层）进行优化，难以实现器件层面的系统提升。
二、【成果掠影】
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（共同通讯作者）等人开发了一种使用先进多智能体人工智能技术的新路线。通过分析大语言模型从综合文献数据库中推荐的高性能PSC相关研究，利用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，多智能体人工智能框架能够准确预测钙钛矿的组成并评估界面材料。对于钙钛矿材料，人工智能预测结合热力学驱动的单晶生长，确定了FA0.92Cs0.08PbI3（FA为甲脒）为最优组分，该组分具有最低的陷阱密度。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的掩模面积上实现了25.0%的PCE，并对各种应力因素表现出强大的耐受性。这些特性使其在100°C的严苛高温下具有优异的运行稳定性，在连续1个太阳光照下运行1000小时后，仍能保持初始PCE的97%。
相关研究成果以“AI-guided design of efficient perovskite solar cells operationally stable at 100°C”为题发表在Science上。
三、【核心创新点】
1.作者报道了一种四智能体协作的人工智能，用于指导光吸收层、抗紫外空穴传输材料以及稳健异质界面的理性设计，从而实现稳定的钙钛矿光伏器件。
2.通过热力学驱动的单晶生长和薄膜实验表征验证，该多智能体框架识别出了一种高度稳定的甲脒-铯碘化铅钙钛矿（FA0.92Cs0.08PbI3）。基于人工智能的洞察进一步推动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，该分子具有优异的抗紫外能力。
四、【数据概览】
图1 多智能体人工智能框架的工作流程概述© 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
五、【成果启示】
总的来看，本文基于多智能体人工智能框架，设计了能够耐受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为最佳钙钛矿，其具有最低的陷阱密度和最高的稳定性。将这一优化后的组分与人工智能辅助设计的抗紫外咔唑膦酸分子以及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：“AI-guided design of efficient perovskite solar cells operationally stable at 100°C”（Science，2026，10.1126/science.aef1620）
本文由材料人CYM编译供稿。
