机器学习引导的钙钛矿薄膜可控制备:数据驱动方法提升太阳能电池制造可重复性

《Carbon Energy》:Data-Driven Design of Scalable Perovskite Film Fabrication via Machine Learning–Guided Processing

【字体: 大 中 小 】 时间:2025年12月31日 来源:Carbon Energy 24.2

编辑推荐:

  本文提出了一种基于机器学习(ML)的数据驱动策略,通过优化刮涂法制备钙钛矿太阳能电池(PSC)的高维工艺参数,显著提升了器件制造的可重复性。研究对比了五种经典ML算法,发现随机森林(RF)模型对工艺参数与光电转换效率(PCE)的预测效果最佳(R2接近0.8),仅用10分钟即可完成相当于3年手动实验量的10万组参数预测。该方法将同一批次器件的性能方差降低约三倍,为钙钛矿太阳能电池的规模化制造提供了新思路。

  

1 引言

金属卤化物钙钛矿被视为极具潜力的光伏材料,单结小面积钙钛矿太阳能电池(PSC)的认证光电转换效率(PCE)目前已超过26.7%,接近硅太阳能电池水平。提升PSC制备工艺的可重复性是其商业化进程中的关键挑战。钙钛矿薄膜制备过程中需控制多个高维工艺参数,而传统试错法在应对多参数协同优化时存在效率低、资源消耗大等局限。人工智能技术凭借数据驱动的高通量计算和强预测能力,为材料研发提供了新范式。机器学习(ML)模型在钙钛矿材料组分优化、性能预测等领域已展现优势,但在薄膜制备工艺优化方面的研究尚不充分。

2 结果与讨论

2.1 工艺参数选择与ML模型应用

研究聚焦于刮涂法制备钙钛矿薄膜的五个关键参数:前驱体溶液浓度(M)、刮刀高度(μm)、涂布速度(Hz)、风速(m/s)和风温(°C)。通过调控这些参数制备130组实验数据,结合光学显微镜和紫外-可见吸收光谱对薄膜质量进行初步评估。结果显示,浓度过高(>2 M)会导致薄膜裂纹增多,风速和风温对结晶动力学有显著影响。所有数据均与对应器件的最高PCE关联,构成ML模型的训练基础。

2.2 ML模型选择与训练

通过皮尔逊相关性分析确认五个工艺参数间相关性较弱(|r|<0.58),适合用于ML训练。比较随机森林(RF)、极端梯度提升(XGBoost)、多层感知机(MLP)、支持向量回归(SVR)和K近邻(KNN)五种回归模型的表现,发现RF模型在测试集上预测性能最优(R2=0.798,MSE=1.442,MAE=1.048),且训练稳定性高(R2误差仅为XGBoost的0.06倍)。超参数优化后,RF模型展现出对工艺参数与PCE关系的最佳拟合能力。

2.3 RF模型的逻辑基础

RF模型通过构建多棵决策树并集成其预测结果,有效降低过拟合风险。其数学本质是通过随机抽样训练多个树结构分类器,最终输出为各树预测值的均值。该模型对高维数据具有较强容错性,并行计算特性使其在小样本(130组)数据上也能快速完成训练。

2.4 基于SHAP的模型解释

采用SHAP(Shapley Additive exPlanation)方法量化各工艺参数对PCE预测的贡献度。前驱体溶液浓度影响最大(1.6-2.5 M区间呈正相关),风速(0-1.465 m/s)和风温(21.5-24.9°C)均存在最优区间,刮刀高度(20-80 μm)影响相对较小。与传统统计方法相比,SHAP提供了参数影响的定量分析,为工艺优化提供明确指导。

2.5 模型预测与应用验证

利用优化后的RF模型对10万组未实验参数进行预测,仅耗时10分钟(效率为传统实验的166万倍)。结合人工经验筛选出最优参数组合:速度45 Hz、高度20 μm、浓度1.8 M、风温22.8°C、风速0.4 m/s,预测PCE为19.62%。经三轮实验验证,实际制备的器件PCE与预测值仅相差0.6%,且批次内器件性能标准偏差(STDEV)从传统方法的1.32降至0.46,重现性提升约三倍。该方法进一步应用于5×5 cm2钙钛矿太阳能模块(PSM)制备,在15.5 cm2孔径面积上实现15.87%的效率。

3 结论

本研究首次将ML方法应用于刮涂法制备钙钛矿薄膜的工艺优化,通过RF模型高效处理高维工艺参数,在极短时间内完成海量参数组合的PCE预测。SHAP分析明确了各参数的优化区间,实验验证表明该方法显著提升器件制备的可重复性,为钙钛矿太阳能电池的规模化制造提供可靠技术路径。

4 实验方法

器件采用FTO/c-TiO2/m-TiO2/MAPbI3/spiro-OMeTAD/Au结构,在湿度15%的氮气环境中进行刮涂制备。ML模型基于Python的scikit-learn库实现,代码与数据集已开源。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号