近日，我校华南先进光电子研究院先进材料研究所高进伟教授与樊贞研究员合作在高效钙钛矿太阳能电池机器学习和大数据挖掘方面取得重要进展。该成果以《Machine learning-guided search for high-efficiency perovskite solar cells with doped electron transport layers》为题在高水平国际期刊《Journal of Materials Chemistry A》（IF=12.732）刊出。研究院优培本科生佘成隆与硕士研究生黄啟成为论文的共同第一作者。高进伟教授、樊贞研究员为共同通讯作者。姜月副研究员、陈聪博士研究生为合作作者，华南师范大学为第一单位。

新材料是工业的基石，而开发具有靶向性新材料一直是科学研究的重点。机器学习和密度泛函的高通量技术的出现加速了材料的搜索进程。近年来，各种材料的结构越来越复杂，合成和制备技术越来越困难，难以使用传统的方法从大量候选材料中高效筛选出具有价值的材料体系。然而，近年来的人工智能等新兴技术可以较好地解决这一问题。机器学习（Marching Learning）在新材料的设计等方面凸显其强大的功能，该技术不仅可以快速精准地实现材料设计，也可以从数以千计的材料数据库中挖掘出材料的构效关系。钙钛矿太阳能电池是近年来发展强势的新兴技术，光电转换效率进步飞速，已经从十年前的3%快速上升到25%以上。目前ML技术已经在钙钛矿材料体系选择方面开展了较多研究，但针对钙钛矿器件中电子输运层的数据挖掘鲜有报道。

电子输运层（ETL）是钙钛矿太阳能电池（PSC）器件必要组成部分，对电池的光电转化效率（PCE）至关重要。电子输运层的导电性、费米能级及其成膜技术等是其关键参数。本研究从2013年至2020年公开发表的880篇论文中提取2006个实验数据点，采用两步机器学习法系统研究各个参数对钙钛矿电池器件光电转化效率的影响因子。我们发现，利用SnO2和TiO2制备的ETL、混合阳离子钙钛矿、DMSO和DMF钙钛矿前驱体溶剂以及反溶剂处理是导致电池具备高效率特点的最重要因素。通过ETL掺杂来调节ETL的导带底、费米能级和电导率可以进一步改善PCE。此外，我们预测，ETL为Cs掺杂的TiO2 且吸光层为FA-MA二元体系的PSC，及ETL为S掺杂的SnO2且吸光层为Cs-FA-MA三元体系的PSC的PCE分别高达30.47%和28.54%。本研究还对各个最优因子进行了量化解释。本研究工作量大，除了正文部分，发表的论文附件达208页。该系统数据和量化的解释可为高效钙钛矿太阳能电池的研究，特别是高性能电子输运层的设计和开发提供重要的理论指导。

此工作是以研究院本科优培学生为主体完成的工作，是华南先进光电子研究院“光电子优培计划”重要成效和成果的集中体现。高进伟教授课题组近10年来共指导20多名本科学生开展创新实验，以本科生为第一作者在Nature Communications, Advanced Materials, Journal of Materials Chemistry A, Chemical Communications等重要期刊刊出10余篇原创论文。指导本科学生获全国大学生挑战杯“特等奖”、全国大学生节能减排社会实践与科技竞赛“二等奖”、广东省材料创新大赛“一等奖”等各种科技奖项10余项。指导的本科生在国内外继续深造达10人。樊贞研究员课题组近年来共指导本科生2名，以第一作者在Journal of Materials Chemistry A期刊上发表论文1篇，获得华南师范大学“挑战杯”金种子培育项目1项；另外指导硕士生10余名，以第一作者在Advanced Materials等期刊发表论文20余篇，入围第三届中国研究生人工智能创新大赛决赛（尚未举行，名次待定）。

此工作受国家基金委-广东省政府联合基金重点项目、国家自然科学基金和广州市重点实验室“智能光电材料与类脑器件重点实验室”的支持。