综述：从数据驱动到智能驱动：创新钙钛矿太阳能电池的研究范式

《Solar RRL》：From Data-Driven to Intelligence-Driven: Innovating Research Paradigms of Perovskite Solar Cells

钙钛矿太阳能电池（PSCs）因高转换效率与低成本潜力成为光伏前沿，但其多尺度结构导致传统研究范式低效。近年机器学习虽被应用，但受限于数据质量、模态单一及生成能力不足。随着AI（深度学习、强化学习等）发展，研究转向全局智能驱动，综述系统总结了AI在材料设计、工艺优化、稳定性机制探索、知识发现及自动化实验中的应用，并分析提升PCE、稳定性和规模化生产的挑战与关键点，推动实验室创新向产业化转化。

　　

摘要

钙钛矿太阳能电池（PSCs）因其卓越的功率转换效率（PCE）和低制造成本而被视为下一代光伏技术。然而，其多尺度的物理和化学结构使得基于经验的研究方法（尤其是试错法）效率低下。近年来，基于大数据的经典机器学习方法在PSCs研究中得到了广泛应用，但其有效性仍受到数据质量有限、数据单一模式以及生成能力不足等问题的限制。随着人工智能的快速发展，特别是深度学习、强化学习和大型语言模型的兴起，PSCs的研究逐渐从局部数据驱动转变为全局智能驱动的模式。本综述系统总结了智能驱动方法在PSCs研究中的最新进展，包括材料设计、工艺优化、稳定性机制探索、知识发现以及自主实验等方面。我们还概述了人工智能技术在提高PSCs的功率转换效率、稳定性和可扩展性方面的关键点和当前挑战，旨在加速从实验室创新到工业应用的转化。

利益冲突

作者声明没有利益冲突。