Perovskite-R1: 用于前驱体添加剂智能发现与实验设计的领域专用大语言模型

钙钛矿太阳能电池 因其卓越的功率转换效率和有利的材料特性，已迅速成为下一代光伏技术中的有力竞争者。尽管取得了这些进展，但长期稳定性、环境可持续性和可扩展制造等挑战继续阻碍其商业化。前驱体添加剂工程在提升 PSC 的性能和耐久性方面显示出解决这些问题的前景。然而，科学文献的爆炸性增长以及材料、工艺和器件架构之间复杂的相互作用，使得研究人员越来越难以在这个快速发展的领域中高效地访问、组织和利用领域知识。为了填补这一空白，我们引入了 Perovskite-R1，一个具有先进推理能力的专用大语言模型 (LLM)，专为 PSC 前驱体添加剂的发现和设计而定制。通过系统地挖掘和整理 1,232 篇高质量科学出版物，并整合包含 33,269 种候选材料的综合库，我们使用自动问答生成和思维链推理构建了一个领域特定的指令微调数据集。在该数据集上微调 QwQ-32B 模型得到了 Perovskite-R1，它能够智能地综合文献见解，并为缺陷钝化和前驱体添加剂的选择生成创新且实用的解决方案。对几种模型提出策略的实验验证证实了其在提高材料稳定性和性能方面的有效性。我们的工作展示了领域适应的 LLM 在加速材料发现方面的潜力，并为钙钛矿光伏研究中的智能、数据驱动进展提供了一个闭环框架。