近日，廈門大學(xué)電子科學(xué)與技術(shù)學(xué)院李琳教授、陳孟瑜助理教授、李澄教授等人在一區(qū)TOP期刊《ACS Sustainable Chemistry & Engineering》上發(fā)表題為“Machine Learning-assisted Analysis of Perovskite Solar Cell Long-term Stability under Multiple Environmental Factors”的研究成果，提出了一種基于機器學(xué)習(xí)的方法，用于分析影響鈣鈦礦太陽能電池(PSCs)長期穩(wěn)定性的關(guān)鍵因素。
PSC在過去十年中取得了重大進展。然而，長期穩(wěn)定性差是PSC面臨的主要挑戰(zhàn)，這阻礙了其大規(guī)模商業(yè)化。傳統(tǒng)上，為了優(yōu)化復(fù)雜的影響壽命的參數(shù)主要依賴于試錯實驗方法，這種方法耗時且需要大量資源。考慮到這些影響因素的復(fù)雜性，從巨大的參數(shù)空間和相互耦合特性來看，迫切需要有效的研究策略和方法來優(yōu)化PSC的長期穩(wěn)定性，加快其商業(yè)化進程。已有不少研究展示了利用機器學(xué)習(xí)(Machine Learning, ML)通過大量的實驗數(shù)據(jù)和模擬數(shù)據(jù)來分析鈣鈦礦材料的性能和行為，提高了速度和準確性。
廈門大學(xué)電子科學(xué)與技術(shù)學(xué)院李澄教授、李琳教授、陳孟瑜助理教授等提出了一種基于ML的方法，用于分析影響PSC長期穩(wěn)定性的關(guān)鍵因素。該方法引入多頭注意力(Multi-Head)機制，有效挖掘多種輸入數(shù)據(jù)的內(nèi)在聯(lián)系，包括外部環(huán)境參數(shù)與內(nèi)部結(jié)構(gòu)參數(shù)。整個研究主要分為四個部分：
首先，研究團隊提出了一種基于Multi-Head機制的ML方法，用以同時處理多種影響PSC穩(wěn)定性的外部與內(nèi)部參數(shù)。結(jié)合擠壓激勵殘差網(wǎng)絡(luò)(SEResNet)，該方法實現(xiàn)了較高的預(yù)測精度，相關(guān)系數(shù)(R2)達到 0.972，Pearson 相關(guān)系數(shù)(r)為 0.986。
其次，研究團隊應(yīng)用SHapley Additive exPlanations (SHAP)算法，識別影響PSC穩(wěn)定性的關(guān)鍵因素，即外部環(huán)境參數(shù)和內(nèi)部結(jié)構(gòu)參數(shù)?；诩s2000個PSC器件的高通量預(yù)測，深入分析了這些關(guān)鍵因素之間的交互作用，有助于多維度展示其對器件穩(wěn)定性的影響。
隨后，研究團隊開展了器件壽命實驗，以驗證模型預(yù)測結(jié)果的可靠性。通過一系列PSC器件的制備與性能測試，驗證了模型預(yù)測的PSC壽命趨勢與實驗結(jié)果之間具有高度一致性，進一步印證了該ML模型在實際應(yīng)用中的有效性與準確性。
最后，研究團隊預(yù)測了在85 oC和85%相對濕度下，具備最優(yōu)長期穩(wěn)定性的PSC體系結(jié)構(gòu)。本研究的創(chuàng)新之處不僅在于展示了ML在預(yù)測器件穩(wěn)定性與提取關(guān)鍵參數(shù)方面的巨大潛力，也在于其通過融合先進的ML技術(shù)，顯著提升了PSC性能預(yù)測的準確性，為實現(xiàn)長期穩(wěn)定的PSC器件提供了新的設(shè)計思路與研究路徑。
圖1. 基于Multi-Head機制和SHAP算法的SEResNet模型的架構(gòu)。(a) 基于Multi-Head機制的SEResNet (Multi-Head SEResNet)模型模式。 (b) SHAP算法計算流程簡圖。
該研究工作以“Machine Learning-assisted Analysis of Perovskite Solar Cell Long-term Stability under Multiple Environmental Factors”為題發(fā)表在一區(qū)期刊ACS Sustainable Chemistry & Engineering 上。該項工作由李琳教授團隊和陳孟瑜助理教授、李澄教授團隊合作完成，2020級博士研究生趙珊珊為該工作第一作者。研究工作得到科技部國家重點研發(fā)計劃（2023YFB3611203），國家自然科學(xué)基金（62001405），福建省自然科學(xué)基金（2024J01055）。
文章信息
Machine Learning-assisted Analysis of Perovskite Solar Cell Long-term Stability under Multiple Environmental Factors. Shanshan Zhao, Sijia Zhou, Zhongli Guo, Hongqiang Luo, Zhuoying Jiang, Na Lin, Mengyu Chena*, Lin Li*, Cheng Li*. ACS Sustainable Chem. Eng., 2025.
DOI: 10.1021/acssuschemeng.5c01361
