用于钙钛矿太阳能电池外推预测的 Virtual-Alloy Physics-Aware Semantic System

arXiv:2610.18949v1 公告类型：交叉收录 摘要：现有的钙钛矿太阳能电池机器学习模型难以预测采用新材料制成的器件。大多数模型将器件各层视为任意的类别标签，并使用缺乏特征信息的组成向量，或依赖预先求解晶胞的刚性晶体图来表示钙钛矿吸收层。因此，这些模型无法泛化至未记录的合金或陌生的电池架构。我们提出 Virtual-Alloy Physics-Aware Semantic System（V-PaSS），这是一种围绕钙钛矿固溶体的物理连续性构建的架构。V-PaSS 通过结合学习得到的带隙弯曲效应，依据 Vegard 定律对 23 种纯 $ABX_3$ 端元化合物的弛豫晶体图进行插值，从而表示任意混合阳离子、混合卤化物吸收层。对于器件叠层结构，该系统将层序和电池极性（n-i-p 或 p-i-n）与界面能带偏移相耦合，并使用科学语言模型对化学描述进行编码。在按机构分组、测试器件全部来自未见过的实验室的评估方案下，未经调优的 V-PaSS 默认配置在十四种受测模型中取得了最低误差（平均绝对误差为 2.861%，相比误差为 3.017% 的梯度提升基线模型相对降低了 5.2%，并优于误差为 2.912% 的最佳调优基准模型）。当测试器件与训练器件差异最大时，V-PaSS 的领先优势最为显著：在未见过的吸收层合金上将误差降低了 15.7–19.0%，在来自新实验室的混合吸收层上将误差降低了 16.1%，并且在具有未观测过的传输层的器件上，将其相对于基线模型的领先优势扩大至 3.6$\times$。结合树集成模型后，V-PaSS 在全部五种基准数据划分上均达到了新的最先进水平。