01近日，中国科大团队在钙钛矿太阳能电池界面材料智能设计领域取得进展，建立融合人工智能与高通量计算的筛选框架，创新构建八描述符综合排序体系，从庞大化学空间中系统发现兼具合成可行性与界面稳定性的材料，成果发表于《自然·合成》。
02传统试错式开发周期长且难以兼顾多项制约指标，研究人员将合成可行性纳入筛选过程，使计算设计与实验条件相衔接。对照分析表明，去掉该约束后部分高分候选分子会因前体难获取而无法完成实验制备，凸显了融合多指标设计的价值。
03研究团队基于新框架筛选并合成了三个高排名候选分子，器件性能排序与八描述符综合评分高度一致，验证了评分体系有效性。该模块化设计框架可拓展至其他界面材料体系，为高效稳定光电材料的设计与发现提供了全新思路与方法。
以上内容由传播大模型和DeepSeek生成，仅供参考
大皖新闻讯 近日，中国科学技术大学团队联合国内相关单位，在钙钛矿太阳能电池界面材料智能设计领域取得重要进展。研究团队建立了融合人工智能（AI）、高通量理论计算与专家知识的自组装单分子层（SAM）智能筛选框架，创新性构建一套8描述符综合排序体系，从庞大化学空间中系统发现兼具合成可行性与界面稳定性的界面材料。相关成果发表于《自然·合成》。
研究人员介绍，通过调整SAM分子结构，研究人员能够改变界面能级、促进空穴提取，并减少缺陷引起的电荷损失。但分子设计需要同时满足多种要求：能级要匹配，界面相互作用要合适，合成路线要可行，还要适应后续的溶液加工。某一项计算指标出色，并不意味着这个分子就能成为好用的器件材料。传统试错式开发周期长，难以兼顾多个相互制约的指标。研究团队因此将合成可行性纳入筛选过程，使计算设计从一开始就与实验条件相衔接。
融合化学专家知识、AI逆合成预测与高通量理论计算的自组装分子发现流程
团队从PubChem数据库收录的咔唑衍生物中提取出308个功能片段，这些片段对应超过9万种潜在组合结构。结合合成路线、溶解性和界面功能等化学知识，研究人员先选出24个片段，再通过模块化组装构建300个候选分子。经能级初筛获得124个候选分子后，团队进一步开展多指标分析。
最终，研究团队将合成可行性、分子能级、空穴重组能、芳香性和杂原子含量等8项指标纳入综合评分，确定优先开展实验的候选分子。这一设计思路的重要性也得到了对照分析的支持：去掉合成可行性约束后，一些计算评分更高的候选会进入榜单，却因所需前体难以获得而难以完成实验制备。
基于该框架，团队筛选并合成了3个高排名候选分子，其器件性能排序与8描述符综合评分排序高度一致，验证了评分体系的有效性。该框架采用模块化设计，可拓展至其他界面材料体系，为高效稳定光电材料的设计与发现提供新思路。
大皖新闻记者 魏鑫鑫（图由中国科大提供）
作者：魏鑫鑫
责任编辑：彭玲
