人工智能驱动的材料及器件研发，正在彻底颠覆传统试错式、经验主导、循环慢迭代的科研模式，重新定义下一代基础研究与应用研发的科学范式：从实验试错驱动转向数据智能+理论计算+精准实验的闭环范式，从“凭经验摸索”升级为可预测、可设计、可逆向定制、高通量加速的全新科研逻辑。北京大学物理学院现代光学研究所、人工微结构和介观物理全国重点实验室肖立新教授组的博士后俞文锦与香港理工大学赵海涛教授、瑞士洛桑联邦理工学院Michael Grätzel院士合作，利用垂直领域的配方语言模型和全自动化的机器人箱实现钙钛矿太阳能电池的智能制造。

面向钙钛矿太阳能电池的复杂配方与工艺探索，本研究通过学习文献知识和机器人实验数据并将其转化为词元（token），训练精通配方、工艺及机理的垂直语言模型，进而服务11个互联机器人箱“智”造钙钛矿太阳能电池，完成了5万个钙钛矿太阳能电池的可控制造，并实现了器件光电转换效率的大幅提升。与此同时，高通量机器人实验持续生成并增强新的训练语料，使语料规模扩展至超过5.78亿词元，从而不断提升模型在配方推荐与机理解析方面的能力。该研究展示了人工智能与机器人系统协同支撑可控制造、机理认知与模型演化的整体可行性，并为下一代先进合成、制造、表征乃至机理认知的材料智能科研工具构建和材料“智”造工厂建设提供了理论支撑与技术基础。

图1 基于配方语言模型的智能体式机器人箱器件研发框架

相关研究成果以“Agentic Robotic Boxes for Perovskite Solar Cell Fabrication with Recipe Language Model”（基于配方语言模型的智能体式机器人箱制备钙钛矿太阳能电池）为题发表在国内杂志《Engineering》上。北京大学物理学院现代光学研究所博士后俞文锦为该论文的共同第一作者；肖立新教授共同指导了该研究工作。主要合作单位包括香港理工大学材料智造研究中心、瑞士洛桑联邦理工学院界面与光子学实验室和中科先进技术温州研究院。

原文链接：https://doi.org/10.1016/j.eng.2026.04.002