研究背景

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。

研究内容

近年来，AI的快速发展为化学材料和能源器件的开发提供了新途径。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。

图1 多智能体AI平台的工作流

基于数据智能体整合归纳万余篇相关文献数据，中心智能体通过机理知识与数据的融合分析，指导设计了具有双Al₂O₃保护层的高稳定器件构型，并将核心的钙钛矿组分与界面优化任务分配给专业的组分智能体与界面智能体。组分智能体分析器件稳定性数据，提出了FA-Cs钙钛矿组分的优化区间，结合热力学驱动单晶生长与正电子湮灭寿命的实验验证，揭示了FA和Cs合金化后可以抑制FAPbI₃钙钛矿中影响稳定性的关键FA空位缺陷的形成，FA-Cs钙钛矿最终体现出类无机钙钛矿的高稳定性。界面智能体则从分子结构、界面稳定性、偶极矩等多方面综合分析，指导设计出具有高C-N键能的空穴传输分子，在高温和紫外光照下表现出优异的稳定性。最后，中心智能体整合组分智能体和界面智能体的分析结果以及基于智能体建议获得的实验数据，并反馈给数据智能体，实现“数据-实验-数据”的闭环迭代，进一步提升了多智能体AI平台的分析预测能力。

图2 钙钛矿组分、传输层及高稳定器件构型设计

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。

2025澳门跑马图博士生郭嘉豪、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。