9月17日消息，arXiv新收录论文（编号2609.18438，9月16日提交）提出一种面向卤化铅钙钛矿薄膜瞬态光致发光（PL）测量的参数估计工作流，用人工神经网络替代传统拟合过程中反复求解非线性微分方程的环节，将实验数据与仿真对比的速度大幅提升，并可快速扫描多维材料参数空间、识别参数间相关性。

论文作者为Robin Heumann、Toby Rudolph、Gaosheng Huang、Thomas Kirchartz、Chris Dreessen。Thomas Kirchartz是德国尤利希研究中心（FZ Jülich）光伏领域的知名学者，团队长期从事钙钛矿材料的光电表征与器件物理研究。

从实验数据反推材料参数的难点在于：当实验量与材料参数之间不存在可逆解析关系、而由一组非线性微分方程联系时，传统拟合需反复数值求解，耗时长且难以给出参数不确定性。该工作流的神经网络加速方案绕开了这一瓶颈；论文进一步对比了稳态与瞬态光致发光两种测量，证明将稳态数据纳入参数估计后，缺陷密度等关键参数的不确定性可以降低。

应用价值方面，钙钛矿太阳能电池的性能衰减与缺陷态密度密切相关，快速、带不确定性量化的缺陷参数提取，可加速钝化策略与组分优化的迭代——对钙钛矿产业化中“每批次薄膜质量如何快速判定”这一实际痛点提供了方法学工具。 （来源：arXiv）