國內首個光伏高通量人工智能實驗平臺建立

近日，電子科技大學集成電路科學與工程學院電子薄膜與集成器件全國重點實驗教授趙怡程團隊在《信息材料》上發表研究論文，報道了國內首個光伏高通量人工智能實驗平臺。

該平臺集成了從薄膜制備到光電表征的完整流程，全程無人為因素干擾且氛圍高度可控。通過對高通量實驗平臺制備的超1000個鈣鈦礦樣品進行統計學分析，研究人員首次揭示了溶劑氛圍對實驗重復性的關鍵影響，并引入獨特的氣體回流與溶劑鎖定手段以控制生長氛圍，從而將150個鈣鈦礦電池的重復性誤差控制在2%以內。

在從薄膜到器件的制備過程中，研究人員通過定量跟蹤薄膜光學特征的統計分布，發現電荷傳輸層的沉積不僅影響表面，還會改變鈣鈦礦薄膜的本體屬性。此外，基于推論性統計分析，研究人員挖掘出薄膜光學特性與器件性能的深層關聯，并開發了基于XGBoost的預測模型，實現器件性能預測誤差僅1.06%的驚人精度，充分展現AI驅動方法加速鈣鈦礦材料迭代的巨大潛力。

本研究構建了國內首臺全自動高通量實驗平臺，解決了鈣鈦礦研究中長期存在的重復性問題，并產生了大量無人工干擾的高質量數據集，用于金屬鹵化物鈣鈦礦的全面統計分析。

通過對超1000個樣本進行統計學分析，研究人員發現溶劑氛圍波動是影響器件重復性的關鍵因素，并引入超級吸附樹脂有效緩解。結合自動化實驗與高級統計分析，本平臺展現出卓越的預測與解釋能力，適用于鈣鈦礦光伏及其他溶液法制備的電子器件（如：有機光伏和光電探測器）。

最后，研究人員設想通過融合四個基本要素實現材料發現的范式轉變。要素一為自動化高通量平臺，用于生成可靠數據；二為統計分析，用于預測、解釋和優化；三是智能調度，用于閉環迭代實驗；四是大型語言模型（如 ChatGPT 和 DeepSeek），用于構建特定材料的大型模型并生成假設。

通常而言，人的靈感會產生初始實驗，然后在要素一、二和三之間進行多次迭代，相關的數據和知識將反饋給要素四，最后形成一個超級大腦，自行產生想法和配方。研究人員表示，這種新模式有望在未來大大加快從材料到器件的創新。

相關論文信息：https://doi.org/10.1002/inf2.70039