在全球钙钛矿太阳能电池市场主导权争夺的技术竞争日趋激烈之际,有观点认为胜负取决于“基于人工智能(AI)的实验数据”运用能力。业界评价称,从材料开发到复杂的工艺流程,各环节细微差异即可决定性能,要实现钙钛矿太阳能电池的高品质化与均质化,“AI建模”不可或缺。
据韩国科学技术院(KAIST)22日介绍,由徐章元教授主持的“面向未来移动出行的光能转换化学材料枢纽建设及利用AI的材料—器件技术开发(2024~2028年)”研究项目今年已进入中期阶段。其核心是与韩国化学研究院等共同将数万件钙钛矿太阳能电池实验数据积累到在线平台(Chem-DX,Solar Cell),并用于训练自主开发的AI模型。
学习了实时积累的实验数据的AI预测模型,会综合考虑各工艺核心因子的特性,推荐预计最优的物质组合及工艺条件。由此可以开发出适合电动汽车、无人机等未来移动出行商用化的独创性材料,在缩短实验周期的同时提升电池效率和长期稳定性。
徐教授表示:“与过去以个别研究者的直觉为主推进的情况相比,近期材料研究效率大幅改善。”并称:“海外已有案例将通常需3个月以上的材料探索周期借助AI缩短至1周。”他还补充说:“通过构建以AI提出的候选材料开展实验、并将结果再次输入的回流体系,AI模型的性能正在持续提升。”
自启动基于AI的材料枢纽建设项目以来,研究团队目前已累积实验数据共计7万9070件,预计到2028年将超过10万件。中长期目标是不仅数据分析,连采集过程也通过物理AI实现自动化。例如利用机械臂无误差地重现数千次保护膜涂布,从而提高实验数据的准确性。
此类研究对于缩小与依托巨额资本的中国之间的技术差距尤为重要。最近一两年间,华能集团等中国大型电力生产企业相继建设钙钛矿实证电站,并获取实际使用数据。徐教授强调:“在韩国于实验室内设定‘加速条件’来预测户外适应可能性之时,中国已经在积累‘室外数据’。”“如果实证数据差距长期化,最终将演变为光伏市场份额的差距。”






