自本世纪以来,世界面临的环境与能源危机日益严峻。太阳能作为一种取之不尽、用之不竭的清洁可再生能源被广泛开发利用,其中最主要的应用是太阳能电池。制备高效率、低成本的光伏器件有望能够缓解能源危机,然而当前光伏领域的研究耗费较高,试错法带来的人力和资源的浪费比较普遍。因此,我们需要利用多种途径协助高质量器件的研究。本文的研究对象是两种备受关注的新型薄膜太阳能电池—有机聚合物太阳能电池和钙钛矿太阳能电池,具体研究内容如下:1.首先我们通过制备一种倒置型有机聚合物太阳能电池发现,当阴极和活性层材料的中间层为未掺杂材料时电流-电压曲线发生了明显的S形扭曲,而对中间层进行n-掺杂后S形扭曲得以消除。我们推测可能是由于中间层存在受主型陷阱使得特性曲线发生扭曲,而掺杂后使得大部分受主型缺陷被填补,进而使得S扭曲被消除。同时我们借用AMPS-1D软件进行了数值模拟,分析了电子陷阱对器件性能的影响机理,并分析验证了由电子陷阱导致的开路电压下降的仿真值与实验值的一致性。2.接着我们利用数值仿真软件研究了吸收层的厚度及缺陷、电子传输层/吸收层交界面的缺陷及导带偏移量、空穴传输层的空穴迁移率和受主浓度、电极功函数等参数对一种典型的钙钛矿太阳能电池性能的影响及作用机理,得到了每个参数的最佳范围值,用于协助高效器件的研究制备。3.最后建立了高效快速的机器学习模型,用于预测钙钛矿太阳能电池的性能参数,它能够弥补传统数值仿真软件填充参数复杂且运行效率低等缺点。我们共收集了 10020条数据,包含三个输入特征:吸收层厚度、空穴传输层的空穴迁移率及受主浓度;四个单独进行预测的输出值:光电转换效率、短路电流、开路电压、填充因子。对比分析了多层感知机、支持向量回归和随机森林三种算法模型的效果。结果表明,随机森林对于四个输出值的预测都比较准确,另外两个算法模型的预测性能较差,但还有提升的空间。我们发现,虽然本文所用的数据集还存在一些不足,但对于我们的研究,随机森林的预测效果已能够满足要求。本文的研究方法和思想具有一定的指导意义和普适性,能够为光伏器件的研究提供思路,同时也可以扩展到其它领域。