Searching for novel functional materials represents an important direction in the research and development of renewable energy. Due to their unique structural and compositional flexibility and high material stability, oxide perovskites and their derivatives have recently been extensively explored as a class of versatile materials for applications in electrocatalysis (EC), photocatalysis (PC) and photovoltaics (PV), showing great promise in terms of catalytic activity and device stability. In this review, we firstly discuss the extreme flexibilities of oxide perovskites in terms of their structures and compositions, which lead to a treasure trove of materials for diverse applications. Secondly, the current status of their applications and challenges in EC, PC and PV are reviewed. We attempt to build the connections between the structural and compositional flexibility and the tunable material properties desirable for various applications.

Stability is of central importance in current perovskite solar cell research and applications. Goldschmidt tolerance factor (t) recently provided qualitative guidance for experimentalists to engineer stable ABX3 perovskite by tuning effective ionic size with mixing cations or anions and for theorists to search emerging perovskites. Through first-principles calculations, we have calculated decomposition energies of 138 perovskite compounds of potential solar cell applications. Instead of t, we have found that (μ + t)η, where μ and η are the octahedral factor and the atomic packing fraction, respectively, demonstrates a remarkably linear correlation with thermodynamic stability. As a stability descriptor, (μ + t)η is able to predict the relative stability among any two perovskites with an accuracy of ∼90%. This trend is then used to predict decomposition energies of another 69 perovskites, and the results are in excellent agreement with first-principles calculations, indicating the generalization of the trend. This thermodynamic stability trend may help the efficient high-throughput search for emerging stable perovskites and precise control of chemical compositions for stabilizing current perovskites.

Symbolic regression (SR) is an approach of interpretable machine learning for building mathematical formulas that best fit certain datasets. In this work, SR is used to guide the design of new oxide perovskite catalysts with improved oxygen evolution reaction (OER) activities. A simple descriptor, μ/t, where μ and t are the octahedral and tolerance factors, respectively, is identified, which accelerates the discovery of a series of new oxide perovskite catalysts with improved OER activity. We successfully synthesise five new oxide perovskites and characterise their OER activities. Remarkably, four of them, Cs0.4La0.6Mn0.25Co0.75O3, Cs0.3La0.7NiO3, SrNi0.75Co0.25O3, and Sr0.25Ba0.75NiO3, are among the oxide perovskite catalysts with the highest intrinsic activities. Our results demonstrate the potential of SR for accelerating the data-driven design and discovery of new materials with improved properties.

Development of lead-free inorganic perovskite material, such as Cs2AgBiBr6, is of great importance to solve the toxicity and stability issues of traditional lead halide perovskite solar cells. However, due to a wide bandgap of Cs2AgBiBr6 film, its light absorption ability is largely limited and the photoelectronic conversion efficiency is normally lower than 4.23%. In this text, by using a hydrogenation method, the bandgap of Cs2AgBiBr6 films could be tunable from 2.18 eV to 1.64 eV. At the same time, the highest photoelectric conversion efficiency of hydrogenated Cs2AgBiBr6 perovskite solar cell has been improved up to 6.37% with good environmental stability. Further investigations confirmed that the interstitial doping of atomic hydrogen in Cs2AgBiBr6 lattice could not only adjust its valence and conduction band energy levels, but also optimize the carrier mobility and carrier lifetime. All these works provide an insightful strategy to fabricate high performance lead-free inorganic perovskite solar cells.

Abstract Copper‐chalcogenide‐based inorganic holetransport layers (HTLs) are widely studied in perovskite solar cells (PSCs) because of their favorable valence band maximum and their ability to passivate interfacial defects through Pb‐S interactions. These compounds are shown to produce stable PSCs because of their high intrinsic stability. However, the density functional theory (DFT) calculations and X‐ray photoelectron spectroscopy analysis presented here reveal that the presence of Cu in the HTL can weaken the interfacial Pb‐S interactions and compromise the device stability. A clear inverse relationship is observed between the stability of perovskite film and the Cu‐concentration in the HTL underneath. Therefore, to minimize the detrimental effect of Cu, this work explores Cu‐deficient chalcopyrite compounds, CuIn 3 S 5 and Cu(In x Ga (1‐x) ) 3 S 5 , as HTLs for PSCs, which results in improved device stability. DFT calculations reveal that incorporating gallium into the HTL reduces the HTL‐perovskite interfacial energy, which results in further enhancement of device stability. The average T 80 lifetimes (the time to retain 80% of the initial efficiency) under ambient conditions for the NiO, CuIn 3 S 5 , and Cu(In 0.3 Ga 0.7 ) 3 S 5 HTL‐based devices are 200, 449, and 656 h, respectively. These findings underscore the significant roles of cations and anions of the inorganic transport layer in enhancing the stability of the PSCs.

Light-induced segregation limits the practical application of mixed halide perovskites in solar cells. Herein, halide segregation is evaluated by a data-driven approach with constructing a bandgap database of 53,361 mixed ABX3 [where A = Cs, formamidinium (FA) or methylammonium (MA); B = Pb or Sn; X = Br, Cl, or I] perovskites. A transfer learning strategy was employed to fine-tune the parameters of a Graph Neural Network model using experimental and density functional theory (DFT)-calculated bandgaps. This approach accelerated the construction of a unique database, distinguishing it from others primarily focused on ABX3 perovskite element substitution. The database is characterized by continuously varying compositions and accurate bandgaps. It was utilized to calculate the free energy of 20,688 mixed iodine-bromine perovskites and generate corresponding phase diagrams for predicting their light-induced segregation behavior. It is found that the bandgap increases with decreasing ionic radii at the A-site and X-site. This composition-dependent bandgap difference drives halide segregation. Moreover, using a higher Cs content at the A-site, rather than MA, reduces this bandgap difference, enhancing photostability. The proposed data-driven strategy can facilitate the targeted design of novel perovskites with mixed compositions and the investigation of halide perovskite segregation.