有机无机杂化钙钛矿太阳能电池(PSC)以双载流子输运、高缺陷容忍度等卓越的半导体特性,成为了目前科研人员研究的热点,效率从3.8%发展到了目前的25.5%。然而钙钛矿器件表现出IV扫描中的迟滞效应一直困扰着研究人员,导致了最大功率点的判断误差。在该项工作中,我们基于半导体载流子的扩散漂流模型,在考虑了器件中的离子迁移后,成果得到了器件的IV曲线仿真结果,以此系统研究了IV测试中扫描速度对器件效率的影响。研究发现钙钛矿器件中存在着一个最佳扫速,使得器件达到最大的IV扫描效率,过大或者过慢的扫速都会使得器件效率降低。进一步利用广义回归神经网络,通过机器学习了扫速-效率关系图和复合等器件参数之间的关系,使得我们得以利用迟滞效应来判断钙钛矿太阳能电池的物理特性。通过具体实验验证了该神经网络确实是有效可行的,可以很好的利用了迟滞情况推断了器件的界面复合和离子迁移的情况。总而言之,该工作加深了我们对钙钛矿器件中迟滞的理解,证明了迟滞效应可以是钙钛矿太阳能电池中的一把双刃剑。