摘要
金属卤化物钙钛矿太阳能电池已被视为下一代光伏技术的领跑者。然而，这种快速的发展受到了材料组成、工艺路线、器件结构以及环境条件之间复杂关系的制约。制造系统与许多变量紧密相关，这意味着现有的经验优化方法在探索高维设计空间方面的能力较弱。此外，钙钛矿材料对环境因素具有敏感的内在特性，因此在整个组成范围内实现可重复的优化非常困难。如今，在这个复杂的系统中，人工智能和机器学习推动了人们对非线性组成-工艺-性质关系理解的进步。但由于数据分布不均以及手动实验的可重复性较低，它们的预测可靠性受到限制。因此，控制实验室环境并在自主实验室的帮助下生成可重复的数据对于加速预测性设计至关重要。本综述重点介绍了钙钛矿研究中数据驱动的材料发现和闭环实验的最新进展。我们还报告称，人工智能引导的工艺优化能够识别出可重复的制造窗口。与此同时，机器人操作、高通量合成以及原位监测和自主表征技术使得对多维工艺空间的系统探索成为可能。
利益冲突
作者声明没有利益冲突。
数据可用性声明
作者无需报告任何内容。
