利用机器学习（ML）预测光电转换效率（PCE）可有效加速钙钛矿太阳能电池（PSC）的实验进程。基于此，哈工大材料科学与工程学院(深圳)林熹&中国科学院新疆理化技术研究所刘家凯&深圳职业技术学院胡汉林团队在本研究建立了包含2079个PSC实验的高质量数据集，使用精确的ML模型预测PCE值，取得了令人印象深刻的0.76的判定系数（R2）值，相关成果发表于Advanced Functional Materials期刊。在12次PSC验证实验中，观测值与预测值之间的平均绝对误差仅为1.6%。利用ML模型推荐的改进方案，成功将实验PSC中的器件PCE提升至25.01%，真正实现了机器学习指导实验的目标。此外，通过改进特定器件的PCE，预测值可以达到28.19%。ML模型为实验性地提高PSC的PCE提供了可行的策略，这对实现PCE的突破起着至关重要的作用。论文信息：A. Yang, Y. Sun, J. Zhang, F. Wang, C. Zhong, C. Yang, H. Hu, J. Liu, X. Lin, Enhancing Power Conversion Efficiency of Perovskite Solar Cells Through Machine Learning Guided Experimental Strategies. Adv. Funct. Mater. 2024, 2410419. https://doi.org/10.1002/adfm.202410419薄膜太阳电池微信交流群，欢迎加入
