Science+1！上海交大AI设计钙钛矿电池，100°C运行1000小时保持97%效率

该平台通过四个专业智能体协同工作，实现了从文献知识整合到器件结构优化的全链条设计。实验表明，AI设计的电池在100°C高温下连续运行1000小时后，仍能保持97%的初始效率，突破了稳定性瓶颈。

这一成果标志着钙钛矿太阳能电池研发从“实验试错”转向“机理驱动+智能迭代”，有望加速其产业化进程。

Science+1！钙钛矿太阳能电池 100 ˚C 运行 1000 小时仍能保持 97% 初始效率，上海交大新突破

IT之家 5 月 15 日消息，《Science》5 月 14 日在线发表了上海交通大学赵一新教授团队题为“AI-guided design of efficient perovskite solar cells operationally stable at 100 ˚C”的研究论文。 该研究瞄准钙钛矿太阳能电池稳定性这个关键问题， 开发了一个多智能体 AI 平台，通过 AI 辅助对高效稳定钙钛矿太阳能电池的器件构型和关键功能层化学组分进行了全面设计 。 实验与理论研究共同确立了甲脒-铯（FA-Cs）钙钛矿具有媲美 CsPbI 3 钙钛矿稳定性的类无机特性，提出了一种双 Al 2 O 3 保护层的高稳定性器件构型，成功实现了高效率和高稳定性的钙钛矿太阳能电池， 可在 100 ˚C 的高温下连续运行 1000 小时以上 。 钙钛矿太阳能电池具有低成本与高效率的优势，但其在光、热等外场应力下的性能衰减仍是其产业化进程的主要障碍。钙钛矿太阳能电池由钙钛矿吸光层、电子 / 空穴传输层、界面层等多个功能层构成，其稳定性提升需要各层材料组分与器件结构的全局协同优化。长期以来，高性能钙钛矿太阳能电池的研发高度依赖“实验试错”的传统路径，需要大量的材料筛选与器件结构迭代，导致人力投入大、研发周期长。 赵一新团队开发了一种面向高效稳定钙钛矿太阳能电池设计的多智能体协同 AI 平台。与依赖高通量实验或仿真生成的大规模标注数据的传统数据驱动 AI 不同，该平台采用分工协作的多智能体架构，由四个具备领域专业知识且相互关联的智能体来实现文献机理知识的整合理解与小数据冷启动下的全局研发方向指引： 数据智能体负责结构化数据提取与按需数据预处理； 中心智能体协调多个智能体间工作流并规划器件结构； 组分智能体辅助钙钛矿组分的优化； 界面智能体指导器件界面及传输层设计。 在多智能体 AI 平台的辅助下， 团队设计的高效率钙钛矿太阳能电池在 100 ˚C 持续运行 1000 小时后仍能保持 97% 的初始效率，突破了其长期面临的稳定性瓶颈 。 该成果展示了一条切实可行且前景广阔的 AI4S 赋能钙钛矿太阳能电池全链条设计路径，实现了从“实验试错”向“机理驱动 + 智能迭代”的转型，有望加速钙钛矿太阳能电池的产业化进程。 上海交通大学环境科学与工程学院博士生郭嘉豪、溥渊未来技术学院未来光伏研究中心助理研究员李博伟和博士后张泽瑜、环境科学与工程学院博士后刘方为该论文的共同第一作者。上海交通大学溥渊未来技术学院王衍明副教授、环境科学与工程学院缪炎峰副研究员、上海交通大学赵一新教授为共同通讯作者，上海交通大学为第一单位。该研究得到国家自然科学基金、上海市自然科学基金、上海交通大学“交大 2030”计划等项目的资助。 IT之家附论文链接： https://www.science.org/doi/10.1126/science.aef1620

This report is categorized under AITOP's "Papers" desk, focusing on China's AI industry and domestic foundation model ecosystem. Key entities and technical topics under continuous tracking include 钙钛矿太阳能电池, 多智能体AI, 稳定性, Science.

Source attribution: curated from IT之家.