赵颖，张晓丹和侯国付团队基于TOPCon太阳电池数据集，结合机器学习提取性能优化规则与关键设计要素，加速了高效电池的开发流程，揭示了数据驱动方法的潜力与数据质量的重要性。该研究为电池性能评估与数据挖掘提供了新方法。该成果发表于《Advanced Materials》上。
隧道氧化物钝化接触（TOPCon）技术作为提升硅基太阳能电池能量转换效率的有效途径，近年来受到广泛关注。国际光伏技术路线图（ITRPV）预测该技术将成为重要发展方向，尽管仍面临若干技术挑战。为系统评估TOPCon电池的最新研究进展，本研究通过文献计量学方法构建了包含当前所有公开报道器件的数据库，共收录来自131篇文献的405个器件样本。尽管TOPCon架构引发学界高度关注，但相对有限的数据体量凸显了该领域数据共享机制存在的系统性缺陷。值得注意的是，尽管样本量受限，但制造工艺呈现显著异质性特征，同时器件性能的渐进式提升趋势表明该技术体系尚未形成标准化制备方案。
本研究采用统计学方法与机器学习（ML）算法对数据集进行系统分析，验证了若干关于器件架构与性能关联的经典理论假设。更值得关注的是，分析发现了若干具有研究价值的反直觉特征组合，这些发现为后续实验研究提供了新的方向。此外，本文旨在通过方法论层面的创新，推动TOPCon研究社区在数据管理与共享机制方面的系统性改进，为技术发展提供更坚实的数据库支撑。
