科學家開發AI閉環自動化工作流程，為材料逆向設計提供強大工具，部分材料認證效率達25.9%

來自河南省焦作市武陟縣北郭鄉的武建昌，走出了一條科研逆襲之路。從本科就讀於南陽師範學院，到碩士和博士先後畢業於中國科技大學和北京大學，再到在 Science 主刊發表一作論文，這是一條少有人走過的成功之路。而在不久的將來，他也將回國尋找教職。

AI 驅動材料閉環設計

那麼，這篇頂刊論文涉及了什麼成果？

具體來說，他研發出一種高通量閉環工作流程，發現了分子結構與性能之間的規律，提出了新的分子分類與設計規則，最終實現了高性能材料的開發。

首先，他開發出一套結合高通量有機半導體合成和貝葉斯優化的閉環工作流程，能夠快速生成實驗數據並通過機器學習進行預測，從而實現對於分子結構的逆向設計。這套流程顯著提高了材料發現效率，為稀缺數據領域提供了可行的解決方案。

其次，他通過訓練機器學習模型並提取特徵重要性，發現了一些關鍵的分子描述符（如 HOMO 能級、HOMO/LUMO 能隙、三級胺基團等）對器件性能有決定性影響。例如，最高佔據分子軌道能級（HOMO，Highest Occupied Molecular Orbital）對電荷提取效率至關重要，而三級胺（尤其是三苯胺結構）由於其較低的電離勢，對提升分子的空穴傳輸性能起到重要作用。

再次，他根據三苯胺基團的位置對分子進行了分類，明確了不同類型分子的 HOMO 能級範圍及其與光伏效率的關係。這一分類和規律能夠顯著縮小候選分子的篩選範圍，從原始的 100 萬種候選分子減少到數百種具有高潛力的分子。為了幫助人們快速篩選分子，他引入了拓撲極性表面積（TPSA，Total Polar Surface Area）作為分子極性和電子吸引能力的粗略指標，並利用公開數據庫（如 PubChem）進行快速查詢。基於這一方法，他篩選出 TPSA 值適中的分子，以保證它們在鈣鈦礦界面具有良好的鈍化和電荷傳輸特性。

最後，他對候選分子的邊緣基團（B 位）進行了細化調整。例如，通過調整對苯二甲酸（TPA，Terephthalic acid）衍生物與 5 種不同 B 位基團的組合（如對稱性略弱的 A770 基團），顯著優化了分子的取向、鈍化效果和電荷傳輸性能，進一步將分子數量從數百種縮減至數十種。

利用這一精細的分類和篩選過程，能夠從近百萬的候選分子中高效地篩選出少量具有高潛力的分子，並最終通過高通量合成驗證其性能。通過這一策略，不僅提升了分子篩選的效率，還為分子設計提供了可操作的指導規則，為下一步的材料開發奠定了堅實基礎。

基於上述流程和規律，他設計併合成了一系列新型空穴傳輸材料，其中一部分材料在鈣鈦礦太陽能電池中的認證效率達到 25.9%。

總的來說，通過本次研究他不僅開發了高效的材料發現工具，還為分子設計提供了可解釋的科學依據，這些成果將對有機光電材料的開發產生重要影響。

審稿人指出，該研究的意義已遠遠超越具體問題領域，對材料發現和優化具有廣泛的啟發性。

若干年內，以下具體領域可能會受益於這一成果：

其一，高效鈣鈦礦太陽能電池的開發。通過分子分類方法和設計規則，研究人員可以快速篩選和優化新型空穴傳輸材料，進一步提高鈣鈦礦太陽能電池的效率和穩定性。這一方法已經展示了其在實現高達 26.2% 功率轉換效率的潛力，有望在 3 至 5 年內推動鈣鈦礦電池的商業化進程。

其二，定製化光電材料。這種機器學習和實驗結合的閉環設計方法，能夠快速生成針對特定設備需求的分子設計規則。這一方法可以推廣到其他光電材料領域，例如有機太陽能電池、發光二極管、光電探測器和有機晶體管等，從而為下一代高性能光電子器件奠定基礎。

其三，個性化材料數據庫的構建。在未來 10 年內，利用本次工作流程可以逐步建立針對不同應用場景的大型材料數據庫。這些數據庫不僅可以服務於研究人員，還可以為工業界提供可靠的數據支持，推動人工智能驅動的材料研發從實驗室走向實際生產。

思維習慣帶來的意外收穫

而這一課題的開展要從 2020 年說起，當時武建昌即將博士畢業。那時，他與目前的博士後導師取得聯繫。該導師的團隊當時專注於高通量器件製備及其自動化表徵，尤其是通過機器學習預測器件穩定性。

然而，這種方法更多是加速製備工藝，對新材料的發現助力有限，而新材料的發現是實現材料閉環設計的關鍵。鑒於武建昌的有機合成背景，他和博後導師確定了本次研究第一個目標——實現高通量有機合成。

高通量合成是本次研究的第一大難點。傳統有機合成需要大量的手工步驟和時間，而如何將這些過程高效化、自動化是一個全新的挑戰。

在調研過程中，該團隊排除了部分應用有限的方法（如不溶聚合物）和分子庫受限的方法。通過借鑒實驗室機器人篩選溶劑的理念，開發了一套結合理論計算的數據驅動高通量合成方案，成功實現了高通量化合成。

合成大量分子後，課題組面臨選擇何種器件結構和製備工藝的問題。在兩種鈣鈦礦器件結構（n-i-p 和 p-i-n）中，p-i-n 結構對分子材料影響更大，能夠直接調控鈣鈦礦晶體生長，因此他們選定這一結構進行器件研究。

得到初步器件數據後，他們與德國卡爾斯魯厄理工學院的機器學習專家合作，通過訓練機器學習模型來分析結構-性能關係。

模型的反饋不斷引導他們合成新材料，借此實現了從候選分子到目標分子的迭代優化，最終提煉出分子分類和設計規則，從而得以顯著縮小篩選範圍，最終達成研究目標。

在研究過程中，有一件事情讓武建昌至今記憶猶新。第一次高通量合成出 54 種材料時，武建昌非常興奮。但是，當天器件製備的手套箱已經約滿了，武建昌就等到晚上 11 點沒人的時候過去。

光吸收層（鈣鈦礦）需要在這些分子上製備，這需要分子居於良好的浸潤性。然而實驗開始後，武建昌發現鈣鈦礦溶液完全不浸潤分子表面。連續測試了幾個材料，依然如此。

起初他懷疑材料不行，但根據他的經驗這些分子結構雖然浸潤性稍差，卻不至於完全失效。隨後，武建昌反思實驗設計，懷疑是溶液配製所用的塑料離心管問題。加熱攪拌過程中，可能有塑料成分溶解到溶液中，破壞了樣品性能。

第二天，武建昌更換玻璃器皿重新實驗，驗證了這一推測。這些分子不僅浸潤性良好，甚至優於一些主流空穴傳輸材料。

這次經歷讓武建昌深刻體會到，作為有機合成研究背景的科研人士，他不會首先懷疑材料不行，而是懷疑這個工藝是否和材料兼容。現在來看，這種思維習慣有時會帶來意外收穫。

最終，相關論文以《逆向設計工作流程發現適合鈣鈦礦太陽能電池的孔傳輸材料》（Inverse design workflow discovers hole-transport materials tailored for perovskite solar cells）為題發在 Science[1]。

武建昌是第一作者，南韓蔚山科學技術院 Sang Il Seok、德國卡爾斯魯厄理工學院帕斯卡爾·弗列特里希（Pascal Friederich）教授、德國紐倫堡亥姆霍茲可再生能源研究所祖斯迪斯·布拉貝克（Christoph J. Brabec）教授擔任共同通訊作者。

儘管本次研究取得了理想的成果，但仍有許多值得進一步探索和優化的方向。當前的高通量平台已經可以應對中等規模的分子庫篩選，但在速度和規模上還有提升空間。

未來，該團隊計劃開發更加高效的自動化合成和純化系統，以應對更大分子庫的需求，拓展至其他領域如催化劑和有機發光材料。

隨著研究的深入，課題組計劃進一步提高機器學習在整個流程中的參與度，例如構建更加全面的數據庫、自動規劃反應路徑以及製定器件工藝方案，進一步優化材料篩選流程。

另據悉，本次方法不僅適用於鈣鈦礦太陽能電池，還可以推廣到有機發光二極管、有機場效應晶體管等其他光電器件領域，為其提供高效的分子設計與優化策略。

最終，武建昌希望構建一個完全自動化的閉環設計系統，從分子設計、合成、測試到優化都無需人工干預，從而實現材料研發效率的飛躍。

1.Wu, J., Torresi, L., Hu, M., Reiser, P., Zhang, J., Rocha-Ortiz, J. S., … & Brabec, C. J. (2024). Inverse design workflow discovers hole-transport materials tailored for perovskite solar cells. Science, 386(6727), 1256-1264.

排版：劉雅坤