钙钛矿太阳能电池空穴传输材料的逆向设计工作流程研究

作者及发表信息
本研究由Jianchang Wu（第一作者，德国埃尔朗根-纽伦堡大学）、Luca Torresi（卡尔斯鲁厄理工学院）、Manman Hu（韩国蔚山国立科学技术院）等来自德国、韩国、中国等多国研究机构的团队共同完成，成果发表于*Science*期刊2024年12月刊（卷386，页1256-1264）。

学术背景
钙钛矿太阳能电池（Perovskite Solar Cells, PSCs）的空穴传输材料（Hole-Transporting Materials, HTMs）设计长期依赖实验经验，缺乏系统性方法。传统机器学习（Machine Learning, ML）模型需依赖大数据集，但在专业领域数据稀缺。本研究提出了一种结合高通量合成与贝叶斯优化（Bayesian Optimization, BO）的闭环工作流程，旨在通过分子描述符逆向设计高性能HTMs，最终实现认证效率25.9%的钙钛矿电池。

研究流程与方法
1. 数据库构建与分子设计
- 虚拟库生成：通过Suzuki偶联反应规则，组合1132种A型（溴化物）和850种B型（硼酸衍生物）单体，形成100万种虚拟分子库。
- 特征工程：利用RDKit和密度泛函理论（DFT）计算分子描述符，包括最高占据分子轨道（HOMO）、最低未占分子轨道（LUMO）、偶极矩等13,000个分子的电子与几何特性。

1. 高通量合成与验证

   • 初始库合成：通过微波反应器分四批合成101种HTMs，采用两步纯化（快速过滤与重结晶），批次间效率波动%。
     
   • 器件测试：以p-i-n结构钙钛矿电池为平台，标准化器件制备条件（参考材料PTAA），每分子制备6-12个器件，测量电流密度-电压（J-V）曲线。
     

2. 机器学习模型训练

   • 模型选择：对比随机森林、高斯过程（GP）回归等算法后，采用多任务高斯过程回归（MTGPR）模型，输入分子描述符与器件参数（如开路电压Voc、填充因子FF）。
     
   • 迭代优化：通过贝叶斯优化推荐48种新分子，分两轮合成验证，最终筛选出效率>20%的候选材料。
     

3. 性能极限突破

   • 个性化优化：对优选分子（如A1090B769）调整钙钛矿层与电子传输层（ETL），效率从初始24.3%提升至26.2%（认证25.9%），稳定性测试（ISOS-L2标准）显示1000小时后保持80%初始性能。
     

主要结果
- 分子设计规则：模型揭示HTMs性能与HOMO能级、三苯胺（TPA）结构强相关。TPA中心分子（如A30系列）效率普遍高于边缘修饰分子（15-21% vs. 5-14%）。
- 关键描述符：纯度、HOMO-LUMO能隙、氮原子数量及分子对称性为决定性因素。例如，含氟取代基通过界面钝化提升Voc至1.195 V。
- 闭环验证：第二轮迭代合成的分子虽未突破效率记录，但验证了模型泛化能力，平均效率维持20%以上。

结论与价值
1. 科学意义：首次实现从分子结构到器件性能的逆向设计闭环，证明了小数据集下ML在复杂光电器件中的适用性。
2. 应用价值：工作流程可扩展至其他功能材料（如发光二极管、催化剂）开发，推动自主实验室（Self-Driving Labs）在材料科学中的应用。
3. 多目标优化潜力：未来可整合效率、稳定性、成本等指标，实现多目标协同设计。

研究亮点
- 方法创新：结合高通量实验（HTE）与贝叶斯优化，突破传统“试错法”局限。
- 效率突破：26.2%的效率为当前无掺杂HTMs的最高记录之一。
- 可解释性：通过递归特征机（RFM）解析分子描述符贡献，提出“TPA-受体”协同设计原则。

其他发现
- 界面钝化机制：优选分子（如A1090B769）通过抑制非辐射复合提升Voc，其PLQY（光致发光量子产率）较PTAA提高30%。
- 数据开放性：代码与数据集公开于GitHub（项目名Perovskite_HTM_Screening），符合FAIR（可查找、可访问、可交互、可重用）原则。

此研究为钙钛矿电池及类似复杂器件的材料设计提供了范式转变，标志着“材料-器件”协同优化时代的开端。