近日，中国科学技术大学团队联合南方科技大学、香港城市大学、中国科学院宁波材料所团队，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。10月29日，相关成果以“AI-Guided Discovery of Self-Assembled Monolayers Combining Synthetic Accessibility and Interfacial Stability for Perovskite Solar Cells”为题，发表于《自然·合成》（Nature Synthesis）。

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。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。随后，图神经网络逆合成模型从目标分子出发，推演可能的制备路径，评估目标分子能否利用可获得的原料合成；高通量密度泛函理论计算则用于评价候选分子的电子结构。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。AI、理论计算与化学知识由此共同参与候选筛选，将实验资源集中到更具潜力的分子结构上。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。综合排名******的分子实现27.2%的光电转换效率。机制研究表明，多功能甲硫基侧链可与钙钛矿界面未配位Pb2+形成Pb–S相互作用，增强界面结合，协同实现缺陷钝化、界面电场调控与载流子提取。界面稳定性显著改善，在65°C、连续光照和******功率点跟踪条件下，器件运行2000小时后仍保持约95%的初始效率。

研究表明，高性能SAM设计需综合平衡电子性质、界面功能与合成可行性。8描述符综合排序体系的核心价值在于：将逆合成预测纳入筛选流程，在设计早期识别更具合成潜力的候选分子，缩短从“理论候选”到“可实验材料”的距离；多描述符均衡加权避免了单一指标******化带来的偏倚。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。

图1：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。

图2：AI筛选结果及器件光伏性能。（a）候选SAM分子的综合评分；（b）器件的效率统计；（c）2PACz和AI-1器件的光伏效率；（d）器件运行稳定性。

图3：AI-1的界面缺陷钝化与调控机制。（a）深能级缺陷表征；（b）界面复合速率；（c）电场分布；（d）AI-1与钙钛矿界面相互作用示意图。

中国科学技术大学蔡逢春、南方科技大学曲歌平、中国科学技术大学张百成和南方科技大学张乐天为论文共同第一作者。中国科学技术大学徐集贤教授、江俊教授、陈林江教授，南方科技大学徐宗祥教授以及香港城市大学任广禹教授为论文通讯作者。该研究得到国家重点研发计划、国家自然科学基金、教育部青年教师科研创新能力支持项目等基金资助。相关AI实验、模拟和模型训练依托中国科学院AI-Scientist平台完成，并得到中国科学技术大学化学国家高层次人才培养中心的支持。

论文链接：https://doi.org/10.1038/s44160-026-01203-4