有机-无机钙钛矿太阳能电池（PSC）由于其具有商业竞争力的成本和高功率转换效率，是极具潜力的廉价太阳能电池技术。然而，PSC的稳定性较差。与三维金属卤化物PSCs相比，准二维Ruddlesden–Popper PSCs（准2D RP PSCs）具有更好的光稳定性和环境适应性。为了加速寻找准2D RP PSC，皇家墨尔本理工大学Nastaran Meftahi、Andrew J. Christofferson、蒙纳士大学Maciej Adam Surmiak报道了机器学习（ML）增强的高通量钙钛矿膜制备和优化研究。
本文要点：
1) 作者设计了一种定制的实验策略，并且仅使用无旋涂、可重复的机器人制造工艺生产出一系列不同成分的钙钛矿薄膜。这些太阳能电池的性能和表征数据用于训练ML模型。
2) 此外，该模型可以优化材料参数并指导改进材料的设计。ML优化的液滴铸造准2D RP钙钛矿薄膜生产的太阳能电池的功率转换效率高达16.9%。
Nastaran Meftahi et.al Machine Learning Enhanced High-Throughput Fabrication and Optimization of Quasi-2D Ruddlesden–Popper Perovskite Solar Cells Adv. Energy Mater. 2023
DOI: 10.1002/aenm.202203859
https://doi.org/10.1002/aenm.202203859
