以证据为依据的大语言模型指导钙钛矿太阳能电池设计与优化

利用大语言模型解读实验证据、设计具有判别力的实验并提出有充分依据的机理解释，仍是材料研究中的一项核心挑战。在此，我们建立了 PSM-Bench，这是一个由钙钛矿研究人员开发、包含 800 个问题的基准，用于评估钙钛矿光伏领域的科学推理能力。我们还提出了 OpenPerov，这是一个融入专家知识的语言模型框架，通过从 4,532 篇文章中重构并经专家校准的证据记录进行学习；这些记录将实验策略、对照和观察结果与机理解释关联起来。基于结构化证据的适应性训练优于传统的问答训练，OpenPerov Flash 在 13 个闭卷系统中排名第一。OpenPerov Pro 通过利用检索到的证据修订选定段落，将 Scientific Mastery 得分从 87.6 进一步提高至 89.1。在源自后续研究的问题上，这两个模型的得分也均高于专家撰写的答案。在一项自组装单分子层设计实验测试中，OpenPerov 选择了一种 K 类似物，其表现优于专家偏好的 Na 类似物。采用所选接触层的器件实现了 27.05% 的功率转换效率，在 85 °C 下经 1,000 小时暗态热老化后，仍保持其稳态参考效率的 96.74%。这些结果表明，重构科学推理过程为构建能够解读实验并指导材料设计的领域模型提供了有效基础。