夜雨聆风在材料学界，研发高效钙钛矿太阳能电池（PSCs）一直被戏称为“顶级炼丹术”。
同一个配方，不同的人、甚至同一个人的不同心情，做出来的效率可能天差地别。这种高度依赖人工经验、低效试错的“作坊模式”，不仅拖慢了效率，更成了产业化的拦路虎。
但现在，香港城市大学朱宗龙、曾晓成团队给出了终极终结方案。
他们首创了一套AI驱动的自动化闭环研发平台。从2万个分子的“大海捞针”，到自动化机械臂精准制备，再到AI实时反馈调整，全程无需人类插手。
这不仅是直接刷出了27.18%的稳态认证效率，更是AI for Science +机器人制造在光伏领域的首次重大突破。
人类化学家，真的可以把“搬砖”的工作交给AI了。
告别“玄学炼丹”，AI军师上线：2万进1的精准猎杀
传统实验室里，寻找一种新型钝化分子往往靠“拍脑袋”或者盲目筛选。
而港城大团队这次展示了什么是“数据驱动的降维打击”。他们建立了一个包含18,264种分子的庞大虚拟库，但这仅仅是开始。
团队利用解释性机器学习算法（SISSO），不仅在算力中完成了筛选，更重要的是，AI通过学习挖掘出了影响效率的底层逻辑。AI就像一名拥有上帝视角的导师，在海量数据中精准指路，锁定了天选分子——5ANI。这种基于物理规律的“靶向发现”，比传统盲目试错快了几个量级，更首次实现了界面材料研发的“去经验化”。
机器人“科学家”：首个光伏研发的闭环自驾系统
有了好配方，谁来做？
这次，朱宗龙团队彻底打破了“人工制备”的瓶颈。他们研发的自动化制造平台，绝不是简单的机械重复，而是一个拥有“大脑”的闭环自驾系统。
（1）高精度执行：机器人精准控制旋涂速度、滴定时间、退火温度，误差范围比人类头发丝还要细。
（2）贝叶斯优化（BO）：每做完一批电池，AI会自动分析结果，如果效果不好，它会通过博弈算法原地自我迭代，更新下一批次的工艺参数。
这种“设计-制造-测试-反馈”的全自动闭环，实现了光伏领域首个真正意义上的自主研发路径。
硬核战果
这套AI自驾系统的表现，可以用“出道即巅峰”来形容：
（1）效率屠榜：稳态认证效率27.18%（小电池），业界顶流；迷你模组效率达23.49%，证明了AI方案的规模化潜力。
（2）稳定性极佳：经受住了ISOS-L-1I的严苛考验，1200小时运行后效率几乎没有损耗（保持率98.7%）。
（3）可重复性神话：这是最让科研人员破防的一点——自动化制备的效率分布极窄，可重复性比人工操作直接提升了5倍。
范式革新：定义光伏研发的“下一代标准”
这项研究之所以能登上《Nature》，其意义远不止于一个效率纪录，而在于它重新定义了科研的玩法。
朱宗龙教授团队证明了，通过AI for Science +机器人自动化，我们可以将人类从繁重冗余的体力实验中解放出来，转而从事更高层级的科学策略思考。
这种“自动驾驶”式的研发范式，不仅为钙钛矿产业化扫清了“一致性”障碍，更标志着新材料开发正式告别了靠运气、靠经验的旧时代，迈入了科学驱动的数字文明时代。
一句话总结
这不仅仅是效率的提升，更是AI for Science在光伏研发领域的首次重大突破。以后开发新材料，器件制造工艺优化，可能真的只需要输入需求，然后坐等收货了。
网友点评：“以后发论文，致谢名单第一位是不是得写：感谢我的AI合作伙伴和那任劳任怨的机械臂们？”
论文图文详解（供参考）
△ AI +自动化机器人制备的自主闭环研发框架
研究团队构建了一个贯穿“分子发现”与“工艺优化”的自主闭环系统。该框架的核心在于将基于机器学习（ML）的材料设计与高保真的自动化制造平台深度整合。
系统首先利用RDKit和量子力学计算构建了包含近两万种分子的虚拟库，通过主动学习识别关键特征。随后，自动化机器人平台根据模型指令进行实地合成与器件制备，并利用贝叶斯优化实时调整退火温度、溶剂比例等关键工艺参数，将实验结果即时反馈至数据模型中。
这种闭环范式彻底改变了依赖人工经验的传统“试错法”，标志着钙钛矿研究从“手动驾驶”向“智能驾驶”的跨越。
△ 解释性机器学习驱动的界面材料精准筛选
为了在浩如烟海的候选分子中定位最优解，团队利用SISSO（符号回归与压缩感知）算法建立了结构-性能的内在映射，从海量候选者中精准锁定了新型钝化分子5ANI。
该分子特有的氰基与吡啶环结构被预测具有极强的表面成键能，能与钙钛矿表面产生高效的化学锚定。这种由AI驱动的“靶向筛选”不仅极大地缩短了研发周期，更从本质上揭示了提升光电转换效率的分子逻辑。
△ 器件光电性能突破与卓越的可重复性验证
在AI驱动的自主工艺精进下，5ANI钝化的钙钛矿太阳能电池展现出惊人的性能表现。实验测得其实验室效率高达27.22%（认证稳态效率为27.18%），同时在21.4 cm²的大面积组件上也实现了23.49%的领先效率。
除了性能指标的刷新，该平台最具革命性的贡献在于对实验“保真度”的控制。统计数据表明，自动化平台产出的器件数据分布极窄，其制造可重复性较当前手动操作制备提升了近5倍。这一突破有力证明了AI与自动化结合是解决钙钛矿领域长期存在的“实验数据波动”难题、迈向规模化量产的关键途径。
△ 多维表征深度解析5ANI的钝化机理
通过一系列精密物理表征，研究团队深入剖析了5ANI带来的增益机制。准费米能级分裂（QFLS）与电致发光效率测试证实，5ANI显著抑制了界面处的非辐射复合，极大地减少了能量损耗。光致发光（PL）成像则揭示了5ANI在改善薄膜空间均匀性方面的卓越能力，其光学效率分布呈现出极高的规整度。结合热导纳谱对陷阱态密度的精确测量，证明了5ANI能够有效钝化深层缺陷并优化能级匹配。
期刊名称：Nature第一作者（或者共同第一作者）：高丹鹏，陆帅华，张春雷，王宁，余泽鑫，孙祥浪通讯作者（或者共同通讯作者）：朱宗龙，曾晓成，Samuel D. Stranks通讯单位：香港城市大学，剑桥大学论文DOI：https://www.nature.com/articles/s41586-026-10482-y
【免责声明】转载出于非商业性的教育和科研目的，只为学术新闻信息的传播，版权归原作者所有，如有侵权请立即与我们联系，我们将及时删除。
