西北工业大学AFM：数据驱动的分子编码技术高效筛选钙钛矿太阳能电池有机添加剂

本文介绍了西北工业大学陈睿豪、王洪强和刘哲等人提出的一种名为“钙钛矿添加剂筛选副驾驶”（Co-PAS）的机器学习驱动框架，用于高效筛选钙钛矿太阳能电池的有机分子添加剂。该框架通过整合分子骨架分类器（MSC）和基于数据驱动的分子结构表示方法（JTVAE），显著提升了能量转换效率（PCE）的预测准确性。研究从PubChem数据库中筛选了25万分子，最终锁定76个候选分子，其中包括此前未在钙钛矿太阳能电池中应用的Boc-L-苏氨酸N-羟基琥珀酰亚胺酯（BTN）。实验验证显示，含BTN的器件PCE高达25.20%，且器件稳定性提升至600小时效率衰减<2%。这一成果为高性能钙钛矿太阳能电池添加剂的快速发现提供了新工具。