文章核心观点 - 香港城市大学与剑桥大学的研究团队在钙钛矿太阳能电池研发中取得范式革新，通过首创的AI驱动自动化闭环研发平台，实现了从分子筛选到器件制备的全流程无人化，不仅创造了27.18%的稳态认证效率纪录，更将研发模式从依赖人工经验的“试错法”转变为科学驱动的“智能驾驶”，为光伏材料研发与产业化扫清了关键障碍 [2][3][4][13][19] AI驱动分子筛选 - 团队利用解释性机器学习算法（SISSO），从一个包含18,264种分子的虚拟库中进行精准筛选，挖掘出影响效率的底层物理规律，实现了“靶向发现” [8] - AI算法锁定了最优钝化分子5ANI，其特有的氰基与吡啶环结构被预测具有极强的表面成键能力，这种数据驱动的方法比传统盲目试错快了几个量级，首次实现了界面材料研发的“去经验化” [8][21] 自动化闭环制造平台 - 团队研发了首个应用于光伏研发的、拥有“大脑”的自动化闭环自驾系统，集成了高精度机器人执行与贝叶斯优化算法 [9][10][11] - 机器人能精准控制旋涂速度、滴定时间、退火温度等工艺参数，误差范围比人类头发丝还细 [11] - 系统具备自我迭代能力，每完成一批电池测试，AI会通过贝叶斯优化算法分析结果并自动更新下一批次的工艺参数，形成“设计-制造-测试-反馈”的全自动闭环 [11][12][18] 性能与效率突破 - AI平台制备的钙钛矿太阳能电池实现了27.22%的实验室效率，其稳态认证效率达到27.18%，处于业界顶流水平 [4][16][23] - 在面积为21.4 cm²的迷你模组上，效率达到23.49%，证明了该AI方案具备良好的规模化潜力 [16][23] - 器件稳定性极佳，在ISOS-L-1I标准下运行1200小时后，效率保持率高达98.7% [16] 可重复性与一致性突破 - 自动化制备彻底解决了钙钛矿领域长期存在的实验数据波动问题，其制造可重复性比当前人工操作提升了近5倍 [16][23] - 平台产出的器件效率数据分布极窄，实现了极高的实验“保真度”和控制一致性，为产业化扫清了障碍 [13][16][23] 研究范式与行业影响 - 该研究标志着钙钛矿及新材料开发正式从依赖运气和经验的“手动驾驶”旧时代，迈入了“AI for Science +机器人自动化”驱动的数字文明时代 [13][19] - 这种“自动驾驶”式研发范式将人类从繁重的体力实验中解放出来，使其能专注于更高层级的科学策略思考，重新定义了科研的玩法 [13][15] - 该成果为钙钛矿太阳能电池的产业化解决了关键的“一致性”障碍，并定义了光伏研发的“下一代标准” [13][23]