东南大学材料科学与工程学院李桂香教授团队在Nature Reviews Electrical Engineering提出钙钛矿光伏系统级AI研究框架

近日，东南大学材料学院李桂香教授团队与计算机学院邸世民教授、集成电路学院Md. K. Nazeeruddin教授团队合作，在《Nature Reviews Electrical Engineering》发表题为“Towards system-level artificial intelligence in perovskite photovoltaics”的论文。文章系统梳理了人工智能在钙钛矿太阳能电池研究中的应用进展与关键挑战，分析了当前AI应用面临的结构性瓶颈，并提出面向钙钛矿光伏研究的系统级人工智能（system-level AI）研究框架，为人工智能进一步融入钙钛矿光伏材料与器件研发提供了新的思路。

卤化物钙钛矿太阳能电池具有可调的光电特性和溶液加工优势，是新型光伏领域的重要研究方向。然而，材料组成、制备工艺、器件结构与运行稳定性之间存在复杂的跨尺度耦合关系，使得在特定体系中获得的优化规律往往难以直接迁移至其他材料和器件体系。近年来，人工智能已广泛应用于钙钛矿材料发现、器件工程、工艺优化和稳定性分析等研究环节，在材料筛选、性能预测和实验优化方面展现出重要潜力。但现有AI研究大多集中于特定任务和局部优化，在不同材料组成、制备条件和器件结构之间的泛化与知识迁移能力仍然有限。

针对这些问题，文章总结了制约AI进一步应用于钙钛矿光伏研究的四个结构性瓶颈，包括数据碎片化与互操作性不足、跨体系泛化能力弱、模型可解释性和物理基础有限，以及AI优化目标与实际设计需求之间的错位。围绕这些问题，文章进一步讨论了多模态和多层级数据、迁移学习、物理信息机器学习、可解释人工智能、多目标优化以及全生命周期感知设计等发展方向。文章指出，进一步发挥AI的作用，关键不仅在于提升单一模型的预测精度，还需要加强数据、模型、物理机制与实验之间的联系。

在此基础上，文章提出从数据驱动预测、AI辅助设计、局部闭环工作流到系统级自主研究框架的逐步发展路径。不同于目前主要围绕单一任务或实验平台开展的机器人实验和闭环优化，系统级AI强调知识能够在材料设计、制备工艺、器件表征和稳定性研究等不同阶段之间持续传播、更新和复用，并通过数字与物理实验之间的反馈不断完善研究决策。通过连接目前相对独立的研究环节，有望推动AI从单一的预测和优化工具逐步参与材料发现、器件优化和可靠性研究的全过程。

东南大学材料科学与工程学院为论文第一单位，材料学院博士生李怡凡、计算机学院博士生刘威和圣母大学曹青博士为共同第一作者，李桂香教授、邸世民教授、Md. K. Nazeeruddin教授为论文的通讯作者。该工作得到国家自然科学基金、江苏省基础研究计划等项目资助。

论文链接：https://www.nature.com/articles/s44287-026-00332-4

撰稿｜李怡凡

一审｜李桂香

二审｜孙文文

三审｜佘    伟