实验室李宁教授团队：有机太阳能电池高维加工空间的闭环多目标贝叶斯优化

有机太阳能电池的功率转换效率已突破21%，但其光电性能受给/受体能级匹配、活性层形貌及多重加工参数等多种因素共同制约。这些参数之间存在复杂的非线性耦合和性能权衡关系，使得传统“试错式”研发效率低下，严重限制了新材料体系和工艺的探索。因此，亟需引入多目标贝叶斯优化策略，以加速破解这一行业难题。

近日，华南理工大学发光材料与器件全国重点实验室李宁教授课题组利用多目标贝叶斯优化算法，使有机光伏器件效率达到20.1%，有望拓展有机光伏材料与器件领域的应用。

经验驱动的优化策略在推动有机光伏技术的发展中起到了关键作用。借助化学直觉与处理参数的逐步调谐，研究者能够制备出性能优异的有机太阳能电池。然而，当参数空间高度多维、变量间存在强关联且面临多重性能目标相互制约时，全局最优解的搜寻依旧是一项艰巨挑战。为此，我们提出了一种基于多目标贝叶斯优化的闭环工作流程，旨在实现有机太阳能电池的高效、智能化优化。该流程在由聚合物给体PM6和D18、非富勒烯受体BTP-eC9和L8BO构成的四元活性层体系中得以验证，能够有效覆盖由组成比例与制备条件共同定义的八维参数空间，该空间囊括了约2.2×10¹⁴种潜在组合。仅经过五个主动学习周期，优化即收敛至高性能区域，器件效率成功突破20%。进一步地，该工作流程在不同材料体系及制备方法中的可迁移性也得到了验证，表明其能够在数次迭代内稳定引导优化过程抵达高性能区间。综上，本研究建立了一个高效、可扩展的闭环框架，为快速锁定有机光伏材料理想加工窗口提供了有力工具。

相关研究成果以“Closed‐LoopMulti‐Objective Bayesian Optimization of High‐Dimensional Processing Spaces forOrganic Solar Cells”为题发表在Advanced Functional Materials上，其中通讯作者为李宁教授，第一作者为陆飞跃博士生。该研究工作得到了国家自然科学基金（52394273 和 52373179）、TCL科技创新基金（20242065）、中央高校基本科研经费（2025ZYGXZR024）、中国教育部基础与跨学科领域突破计划（JYB2025XDXM410）等科研项目的资助。