登上Nature：AI科學家+實驗機器人，革新了這個熱門科研領(lǐng)域

撰文丨王聰

編輯丨王多魚

排版丨水成文

一個不知疲倦的AI 科學家，再搭配一個精準無誤的實驗機器人，7×24 小時不間斷地探索新材料、自主優(yōu)化制造工藝。這不是科學幻想，而是一篇剛剛上線的Nature論文所展示的突破性成果。

2026 年 4 月 14 日，香港城市大學朱宗龍、曾曉成聯(lián)合劍橋大學的研究人員（高丹鵬、陸帥華、張春雷、王寧、余澤鑫、孫祥浪為論文共同第一作者），在國際頂尖學術(shù)期刊Nature上發(fā)表了題為：Autonomous closed-loop framework for reproducible perovskite solar cells 的研究論文。

該研究成功構(gòu)建了一種自主閉環(huán)系統(tǒng)，將機器學習驅(qū)動的材料發(fā)現(xiàn)與自動化制造平臺深度融合。該系統(tǒng)采用主動學習與量子建模方法快速篩選高性能分子，同時制造平臺通過貝葉斯優(yōu)化和符號回歸構(gòu)建反饋回路，持續(xù)優(yōu)化制備工藝。通過這種集成化方案，成功發(fā)掘出了新型鈍化分子5-（氨甲基）煙腈碘化氫（5ANI），基于該分子制備的 0.05 cm2 太陽能電池實現(xiàn)了27.22%的光電轉(zhuǎn)換效率（認證最大功率點跟蹤效率 27.18%），21.4 cm2 微型組件的光電轉(zhuǎn)換效率達到23.49%。在穩(wěn)定性方面，器件在 ISOS-L-1I 標準下連續(xù)運行 1200 小時后仍保持初始效率的 98.7%。尤為重要的是，自動化平臺實現(xiàn)的效率的可重復性達到人類專家制備的 5 倍。

該研究所建立的自主閉環(huán)系統(tǒng)，將機器學習驅(qū)動的發(fā)現(xiàn)與自動化制造的高保真數(shù)據(jù)有機結(jié)合，為光伏與材料領(lǐng)域的自主發(fā)現(xiàn)與智能制造建立了新標桿。

一項開創(chuàng)性的研究如今帶來了重大突破，引入了一種將機器學習與自動化制造相結(jié)合的自主閉環(huán)框架，有望徹底改變鈣鈦礦太陽能電池的設(shè)計、優(yōu)化和規(guī)模化生產(chǎn)方式。

在人類不懈追求清潔能源革新的過程中，鈣鈦礦太陽能電池因其高效率和相對較低的生產(chǎn)成本而成為希望之星。然而，其廣泛商業(yè)化卻遠遠落后于實驗室成果，這在很大程度上是由于材料發(fā)現(xiàn)和器件制造過程中依賴于人類經(jīng)驗的緩慢、實驗性的試錯法和優(yōu)化。這一瓶頸深深植根于鈣鈦礦材料的復雜性和多變性，這需要細致入微的人類專業(yè)知識和費力的微調(diào)。

此外，傳統(tǒng)方法不僅材料發(fā)現(xiàn)效率低下，設(shè)備可重復性差，制造良率也不穩(wěn)定，從而嚴重阻礙了從實驗室到工廠的轉(zhuǎn)化過程。

機器學習驅(qū)動的自主實驗為解決這些問題提供了一個變革性途徑。盡管基于物理信息學習的機器學習模型在加速發(fā)現(xiàn)方面顯示出潛力，但一個完全集成可解釋機器學習引導材料設(shè)計與自主設(shè)備優(yōu)化的統(tǒng)一框架，此前尚未實現(xiàn)。

在這項最新研究中，研究團隊構(gòu)建的自主閉環(huán)研究框架包含兩大核心模塊：機器學習驅(qū)動的材料發(fā)現(xiàn)系統(tǒng)（AI 科學家）和自動化設(shè)備制造平臺（實驗機器人）。

在材料發(fā)現(xiàn)端，該系統(tǒng)采用可解釋的機器學習算法，結(jié)合密度泛函理論計算，快速篩選超過 2 萬種化學物質(zhì)。這一過程建立了針對鈍化分子的定量結(jié)構(gòu)-性能-性能關(guān)系，以提升鈣鈦礦太陽能電池的光電轉(zhuǎn)換效率。在自動化制造端，平臺使用貝葉斯優(yōu)化和符號回歸形成反饋循環(huán)，持續(xù)優(yōu)化制造工藝。

這種集成方法不僅指導發(fā)現(xiàn)了鈍化分子5-（氨甲基）煙腈碘化氫（5ANI），還自主優(yōu)化了其在制造工作流程中的應用。該分子在緩解鈣鈦礦薄膜的界面缺陷方面發(fā)揮著關(guān)鍵作用。眾所周知，此類缺陷會嚴重限制載流子壽命和器件的整體效率，因此有針對性的鈍化成為突破性能瓶頸的關(guān)鍵策略。

在上述材料發(fā)現(xiàn)的基礎(chǔ)上，研究團隊制備出了基于5-（氨甲基）煙腈碘化氫（5ANI）的 0.05 cm2 的太陽能電池，其實現(xiàn)了高達27.22%的光電轉(zhuǎn)換效率（認證最大功率點跟蹤效率 27.18%），21.4 cm2 微型組件的光電轉(zhuǎn)換效率則達到了23.49%。這些效率使該器件躋身于頂級鈣鈦礦太陽能器件行列，突顯了自動化方法的可擴展性潛力。

至關(guān)重要的是，這些進步不僅僅體現(xiàn)在單純的效率指標上。穩(wěn)定性長期以來一直是鈣鈦礦太陽能電池的頑疾，而這一頑疾得到了該閉環(huán)系統(tǒng)的有力解決。在嚴格的 ISOS-L-1I 穩(wěn)定性測試協(xié)議下，連續(xù)運行 1200 小時后，器件仍能保持初始效率的 98.7%。這種長時間的運行能力對于實際應用至關(guān)重要，表明有針對性的分子設(shè)計與工藝優(yōu)化相結(jié)合，能夠極大地提升在苛刻環(huán)境條件下的性能和耐久性。

最具變革性的地方在于，該平臺能夠提高可重復性，這是鈣鈦礦太陽能電池領(lǐng)域一個眾所周知的難題。該研究證明，這一自動化實驗平臺實現(xiàn)的效率可重復性幾乎是人類專家制造的 5 倍。這一指標具有開創(chuàng)性意義，因為它解決了大規(guī)模生產(chǎn)的一個根本障礙——確保設(shè)備性能的一致性，從而建立商業(yè)部署的信任，并增強投資者的信心。

這項開創(chuàng)性的工作代表著一種范式轉(zhuǎn)變——標志著機器學習驅(qū)動的材料發(fā)現(xiàn)首次與鈣鈦礦太陽能電池領(lǐng)域的自動化、高保真制造無縫集成。這種閉環(huán)框架不僅加快了實驗進程，還生成了豐富、可靠的數(shù)據(jù)庫，進一步優(yōu)化了 AI 模型，形成了一個不斷改進的良性循環(huán)。其影響遠遠超出了光伏領(lǐng)域，為材料科學和工程的各個領(lǐng)域提供了自主發(fā)現(xiàn)和制造的藍圖。

這種做法預示著未來人類主導實驗的可重復瓶頸將被 AI + 自動化的實驗室所取代，這些實驗室能夠以前所未有的規(guī)模加速創(chuàng)新。將模擬、機器學習和機器人技術(shù)相結(jié)合，有望將材料發(fā)現(xiàn)從手工技藝推進到自動化時代，將所需時間從數(shù)年縮短至數(shù)月甚至數(shù)周。對于可再生能源領(lǐng)域而言，這意味著更快的轉(zhuǎn)型時間表和更低的成本，對全球可持續(xù)發(fā)展議程至關(guān)重要。

AI 引導的發(fā)現(xiàn)與機器人精密制造所展現(xiàn)出的協(xié)同效應，不僅為光伏器件的性能樹立了標桿，也為科學的可重復性和可擴展性設(shè)立了新標準。它挑戰(zhàn)了現(xiàn)有實驗范式，展示了自主實驗室如何探索傳統(tǒng)方法難以駕馭的巨大化學空間和復雜的制造參數(shù)。這一飛躍有助于彌合實驗室規(guī)模的突破與工業(yè)規(guī)模的實施之間的鴻溝，使下一代太陽能技術(shù)更接近市場現(xiàn)實，為清潔能源技術(shù)的突破提供強大動力。

論文鏈接：

https://www.nature.com/articles/s41586-026-10482-y