湖北大学吴聪聪&浙江大学王凯Carbon Energy：基于机器学习引导的可拓展钙钛矿薄膜制备工艺研究

背景：金属卤化物钙钛矿是潜力巨大的光伏材料，但其制备工艺优化仍依赖试错法，难以处理高维工艺参数，制约了大规模生产的可重复性和商业化。研究目的：为快速分析高维工艺变量，湖北大学吴聪聪与浙江大学王凯等人提出一种数据驱动的机器学习方法，旨在预测和优化钙钛矿薄膜的刮刀涂布工艺参数，以获得稳定高效的制备方案。结论：研究基于130组实验数据，比较多种机器学习算法，优化的随机森林模型能在10分钟内预测超过10万组工艺参数及其对应的光电转换效率（PCE），预测精度高（R²接近0.8），实验验证中最高PCE与预测值仅相差0.6%。该方法显著提升了工艺参数探索效率和器件性能一致性，为钙钛矿太阳能电池的可重复性制备提供了新策略。