近日，香港城市大学曾晓成&朱宗龙&剑桥大学Samuel D. Stranks团队在Nature上发文，提出了一种自主闭环框架，将机器学习machine learning (ML)驱动的材料发现与自动化制造平台相结合，用于可重复制备钙钛矿太阳能电池。
采用主动学习和量子建模快速识别高性能分子，利用贝叶斯优化和符号回归，在反馈回路中持续改进制造工艺。这种集成方法，成功发现了一种钝化分子：5-(氨甲基)烟腈氢碘化物5-(aminomethyl)nicotinonitrile hydroiodide (5ANI)，并利用该分子制备了功率转换效率power conversion efficiency (PCE)为27.22%(经认证的最大功率点跟踪maximum power point tracking (MPPT) 效率为27.18%)的0.05 cm²太阳能电池和功率转换效率为23.49%的21.4 cm²微型组件。这些器件展现出了长期运行稳定性，在ISOS-L-1I协议下，连续运行1200小时后，仍能保持初始效率98.7%。
该自动化平台，实现了比手工制造高近5倍的效率重复性。这项工作建立了自动化闭环系统，将机器学习驱动的发现与自动化制造的高保真数据相结合，有助于光伏和材料领域的自主发现和智能制造。
第一作者： 高丹鹏，陆帅华，张春雷，王宁，余泽鑫，孙祥浪 共同通讯作者： 朱宗龙，曾晓成，Samuel D. Stranks 通讯单位：香港城市大学，剑桥大学论文DOI：https://www.nature.com/articles/s41586-026-10482-y
图1：AI + 自动化机器人制备的自主闭环研发框架
图2：解释性机器学习驱动的界面材料精准筛选
图3：器件光电性能突破与卓越的可重复性验证
图4：多维表征深度解析 5ANI 的钝化机理
通过集成机器学习驱动的材料发现与自动化制造平台的自主闭环框架，实现了钙钛矿太阳能电池从分子设计到器件制备的全流程智能化研发。研究发现新型钝化分子5ANI，制备出认证效率达27.18%电池，并在1200小时连续运行后保持98.7%的初始效率，器件可重复性较人工提升近5倍。为钙钛矿光伏技术的产业化提供了“AI for Science”驱动的解决方案。
文献链接Gao, D., Lu, S., Zhang, C. et al. Autonomous closed-loop framework for reproducible perovskite solar cells. Nature (2026). https://doi.org/10.1038/s41586-026-10482-y
本文译自Nature。
