中国西北工业大学、美国斯坦福大学和麻省理工学院（MIT）的研究人员，提出了一种机器学习（ML）引导的方法框架，用于优化钙钛矿太阳能电池的制造工艺。该研究于2022年4月20日发布在《焦耳》杂志（Joule）上。

钙钛矿是目前替代硅基太阳能板的有力竞争者，但将这些材料从实验环境应用到商业环境是一个漫长的过程。制造钙钛矿太阳能电池需要同时优化至少十几个相关变量，为了缩短优化过程，提升制造效率，研究人员通常使用机器学习来帮助指导实验过程。但大多数机器学习系统只使用原始数据，通常不包含人类经验。

研究团队找到了一种将此类外部信息纳入机器学习模型的方法，该方法使用基于贝叶斯优化的数学技术的概率因子。其模型通过以下三项创新实现：①纳入先前的实验数据作为概率约束；②在选择下一个实验时结合主观人类观察和机器学习结果；③采取了一种自适应策略，即在对高效设备进行局部探索之前使用贝叶斯优化定位感兴趣区域。

该方法可以加速钙钛矿太阳能电池优化生产方法的研发，有助于发展下一代太阳能技术。

信息来源：

https://techxplore.com/news/2022-04-ai-scale-advanced-solar-cell.html

https://www.sciencedirect.com/science/article/abs/pii/S2542435122001301?via%3Dihub