▲ 第一作者:张继云通讯作者:张继云,赵怡程,Christoph J. Brabec通讯单位:德国赫姆霍兹可再生能源研究所Helmholtz-Institute Erlangen-Nürnberg (HI-ERN);德国埃尔朗根-纽伦堡大学 Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU);电子科学技术大学 University of Electronic Science and Technology of China (UESTC)DOI:10.1002/aenm.202302594
全文速览由于易制备、低制造成本以及高功率重量比等优势,溶液加工薄膜制造技术已被广泛应用于有机、染料敏化以及钙钛矿太阳能电池(PSCs)等新一代光伏材料的制备。开发可靠的溶液加工薄膜制备技术通常需要对高维参数空间进行优化,而利用传统试错法进行优化是非常耗时耗力的。材料加速平台(Materials Acceleration Platforms,MAPs)是一种结合了实验自动化、数据分析和机器学习(ML)等技术的自动化研究工具,旨在加速材料研究和开发过程。MAPs通过自动执行实验、收集分析数据并利用ML算法来优化材料性能,从而被认为是一种高效、精确地探索和优化多维参数空间的方法。 近日,来自德国亥姆霍兹研究所Brabec团队的张继云等人在国际能源顶级期刊Advanced Energy Materials(IF=27.8)上发表研究论文展示了如何利用ML指导的自动化平台来实现对钙钛矿薄膜制备高维参数空间的全局优化,进而获得效率高且长期稳定的钙钛矿器件。本文首先介绍了一种实现功能性薄膜高通量自动化制备的平台---SPINBOT。通过贝叶斯优化(BO)算法指导的迭代优化过程,SPINBOT探索了复杂的钙钛矿薄膜制备参数空间,不断提高样品的质量和可重复性。结果,通过该优化方法得到的最佳薄膜,当在自然环境中制成钙钛矿太阳能电池时,立即获得了21.6%的功率转换效率,并具有令人满意的性能可重复性。未密封的器件在金属卤化物灯和60–65℃条件处理下,持续运行1100小时后仍然保持其90%的初始效率。