香港浸会大学周圆圆团队：机器视觉算法用于钙钛矿晶粒结构特征定量分析

以下文章来源于AMR材料研究述评 ，作者AMR

近日，香港浸会大学周圆圆课题组（ΣLab：www.alvinyzhou.com）在AMR发表Viewpoint文章“Machine Vision for Interpreting Perovskite Grain Characteristics”。文章重点介绍了三种钙钛矿材料中实验常见而鲜有讨论的晶粒微结构，提出了将机器学习算法用于定量分析这些晶粒结构特征的新思路，并展望了未来机器视觉在阐明钙钛矿微结构-薄膜性质-器件性能关系中的重要作用。

关键词：钙钛矿，微结构，晶粒特征，机器学习，高通量

机器视觉算法实现钙钛矿晶粒微结构特征的高通量定量分析

文章内容概述

钙钛矿材料，由于其优越的光学和电学性质，已被广泛应用于制造高性能的太阳能电池，发光二极管，光电探测器及忆阻器等，并且被认为是光伏产业的未来。目前钙钛矿太阳能电池已达到了25.7%的记录效率，但和许多半导体一样，钙钛矿薄膜材料中不可避免地会出现晶粒微结构，这种微结构打破了晶格的周期性有序排列，提高了缺陷态浓度，并且让钙钛矿更容易与空气中的氧气和水反应，对钙钛矿太阳能电池的工作效率以及稳定性都有很大的影响。

对此，文章总结介绍了钙钛矿材料中的三种晶粒相关的微结构，分别是单晶粒表面积、晶界沟槽特征角以及晶粒表面起伏。并以单晶粒表面积为例，指出了目前钙钛矿微结构-薄膜性质-器件性能研究缺少的是对单晶粒表面积的定量化统计分析，而只有AI算法可以在保证准确率的前提下应付这种庞大工作量。

文章接着提出了一种用机器学习方法提取、分析单晶粒表面积的构想，通过用大量数据训练卷积神经网络，来实现算法自动识别提取扫描电镜下钙钛矿表面晶粒的面积信息和对所得大数据的统计分析、数学建模。作者相信，这是对钙钛矿材料各种微结构进行高通量表征分析的良好开端，将不仅能帮助我们全面地理解钙钛矿微结构-薄膜性质-器件性能关系，更能催生出进一步优化钙钛矿太阳能电池性能的新方法。

AMR：请和大家分享一下

这个领域可能出现的研究机会。

目前机器学习在钙钛矿材料领域的应用主要有几类，包括：基于分类算法寻找新型钙钛矿材料；基于回归算法预测器件最优性能；利用深度学习高通量地分析表征结果。这些算法可以与自动化实验平台相结合，指导优化实验进程；也可以应用在钙钛矿材料的理论计算方向，例如预测具有理想带隙的钙钛矿材料，可以大大降低计算成本。

AMR：请问您有什么科研心得

想分享给读者们？

由于机器学习方法在材料学研究中的惊人潜力，已成为目前的热门。然而，机器预测的结果可以与理论完美契合，也可以完全违背常识。这其中的差别主要在于数据集的选择。因此不仅要明晰自己的研究目标，还要对所研究材料有深刻的理解，以此判断对特征参数的取舍，既要保证机器学习的效率，也要考虑模型应用的普适性。

作者团队简介

香港浸会大学

助理教授/博导  周圆圆

周圆圆，香港浸会大学先进半导体实验室（ΣLab: www.alvinyzhou.com）首席负责人，物理系助理教授、博士生导师。国家优秀青年科学基金（港澳）获得者，IEEE（国际电气和电子工程师协会）光伏器件专委会唯一华人委员，世界前2%顶尖科学家（当前排名0.40%）、中国科技期刊卓越行动计划重点期刊《能源化学》（Journal of Energy Chemistry；影响因子13.599）副主编。

周博士于2016年在美国布朗大学取得博士学位，2020年归国入职香港浸会大学。ΣLab致力于半导体技术变革，为基础材料学及跨学科的多维视角，在钙钛矿等新型半导体领域开展应用基础研究。周博士主导的钙钛矿半导体科技项目入选团结香港基金主办、中国科学技术交流中心协办、香港创新科技署资助的香港特区回归25周年科研成果展（全港仅25项）。曾获Times Higher Education（英国泰晤士高等教育）、香港《文匯報》等专访或报道。近年来，周博士发表论文120余篇，以通讯、第一或共一作者在高影响力学术期刊（影响因子大于15）发表论文超过40篇，包括自然系列（Nature Energy、Nature Communications）5篇、细胞系列 (Joule、Chem、Matter) 11篇等。申请国际或美国专利8项，其中3项已授权。现担任Journal of Energy Chemistry副主编（曾获优秀编委奖）。曾担任Wiley能源材料顶刊Advanced Energy Materials、Cell子刊Matter、Solar RRL、EcoMat、Journal of Applied Physics等客座编辑。先后7次担任MRS（美国材料研究学会）钙钛矿半导体分会主席。曾获国家优秀青年科学基金（港澳）、香港浸会大学杰出青年学者校长奖、中国新锐科技人物、香港研究资助局杰出青年学者基金、美国国家科学基金委EPSCoR研究学者、美国布朗大学杰出工学博士论文奖、国际先进材料研究协会科学家奖章、中国政府优秀自费留学生奖学金，Wiley 材料学顶刊Advanced Materials Rising Star (《先进材料》明日之星）等重要荣誉。近4年连续入选斯坦福大学与爱思唯尔联合发布的世界前2%顶尖科学家名单。

香港浸会大学

博士研究生  张雅岚

张雅岚，香港浸会大学物理系博士研究生，2021年于深圳大学获得学士学位后加入ΣLab。目前主要研究方向为基于深度学习的钙钛矿材料微结构表征与调控，以及机器学习驱动的钙钛矿材料高通量合成。

扫码阅读周圆圆团队的精彩Viewpoint文章：

Machine Vision for Interpreting Perovskite Grain Characteristics

Yalan Zhang and Yuanyuan Zhou*

原文链接：

https://pubs.acs.org/doi/10.1021/accountsmr.2c00256

转自：“ACS美国化学会”微信公众号

如有侵权，请联系本站删除！