优化溶液处理的有机太阳能电池是一项复杂而富有挑战性的任务，因为有机光伏（OPV）的参数空间很大。经典的一次一变量（OVAT）优化方法费力耗时，并且无法在多维设计空间中找到最佳参数集。为了解决这个问题，德国纽伦堡亥姆霍兹可再生能源研究所Tobias Osterrieder、Christoph J. Brabec报道了人工智能（AI）引导的全功能有机太阳能电池闭环自主优化。
本文要点：
1) 作者开发了LineOne，这是一个带有贝叶斯优化器（BO）的自动化材料和设备加速平台，可以在没有人为干扰的情况下实现自主操作，解决复杂的优化问题。该系统能够制造和表征完整的OPV器件，并在包含组成和工艺参数的设计空间中高效搜索。此外，基于高斯过程回归（GPR）的早期预测模型被用于从廉价的代理测量中预测电池的效率，而薄膜吸收光谱使用基于物理性质的光谱模型来分析，以生成微观结构特征作为GPR的输入。
2) 作者通过在四维参数空间中优化三元OPV系统（PM6:Y12:PC70BM）的组成和加工条件，展示了该通用的自主方法。作者确定了最佳参数集，并用最小数量的样本在整个参数空间上获得了精确的目标函数。作者仅在40个样本内演示了复杂光电器件的自主优化，而埃迪逊方法需要大约1000个样本。
Tobias Osterrieder et.al Autonomous Optimization of an Organic Solar Cell in a 4-dimensional Parameter Space EES 2023
DOI: 10.1039/D3EE02027D
https://doi.org/10.1039/D3EE02027D
