Transiente Photolumineszenz mit hoher Dynamik

Eine wichtige offene Frage auf dem Gebiet der Halogenid-Perowskit-Photovoltaik besteht darin, Erklärungen für die hohe Lumineszenz-Quantenausbeute und die langen Ladungsträgerlebensdauern zu finden. Wir zeigen, dass das Abklingen der transienten Photolumineszenz, das mit einem hohen dynamischen Bereich gemessen wurden, im Allgemeinen dem Potenzgesetz folgt und die abgeleiteten, differenziellen Ladungsträgerlebensdauern mit der Ladungsträgerdichte über Größenordnungen variieren und Hunderte von Mikrosekunden überschreiten können.

Weitere Informationen finden Sie hier: Yuan et al. Nature Materials 23, 391–397 (2024), https://www.nature.com/articles/s41563-023-01771-2

Mobilitäts-Lebensdauer-Produkt aus transienter Photolumineszenz

Wir haben eine Technik entwickelt, mit der sowohl die Rekombination als auch der Transport mit einer einzigen Messung bestimmt werden können. Dabei verwenden wir eine neuartige Methode zur Analyse der Reabsorption von Photonen und folglich der Peakverschiebung der transienten Photolumineszenz. Wir messen das Spektrum der transienten Photolumineszenz als eine Funktion der Zeit. Das Spektrum verschiebt sich mit der Zeit leicht zu niedrigeren Photonenenergien. Die Geschwindigkeit dieser Verschiebung ist ein Indikator dafür, wie schnell die Elektronen und Löcher diffundieren, um ein räumlich homogenes Profil in Abhängigkeit von der Schichttiefe zu erzeugen. Durch den Vergleich der Spitzenverschiebung als Funktion der Zeit mit Simulationen können wir auf die Mobilität der Ladungsträger schließen. Aus der Abklingrate der gesamten Photolumineszenz können wir auf die Lebensdauer schließen. Das Produkt aus beiden Größen ergibt dann das Produkt aus Mobilität und Lebensdauer, eine nützliche Kennzahl für den Ladungstransport in Halbleitern.

Weitere Informationen finden Sie hier: Yuan et al. Science Advances 11, eadt1171 (2025), https://www.science.org/doi/full/10.1126/sciadv.adt1171

Bayes'sche Inferenz (Bayesian inference)

IIn vielen Situationen in der Photovoltaik ist das Vorwärtsproblem der Simulation eines Experiments mit den Materialparametern relativ einfach (es gibt entsprechende Software), während das Rückwärtsproblem der Ermittlung der Materialparameter anhand des Experiments extrem zeitaufwendig ist. Dies liegt an der großen Anzahl von Unbekannten (oft > 10 unbekannte und wichtige Parameter) und der Tatsache, dass das Vorwärtsmodell die numerische Lösung von drei gekoppelten Differentialgleichungen ist. Da man das Vorwärtsmodell nicht analytisch invertieren kann, bestand die einzige traditionelle Lösung darin, das numerische Modell an die Daten anzupassen. Dies ermöglichte es uns jedoch nicht, das Vertrauen in die Anpassung zu quantifizieren, mehrdimensionale Regionen mit ähnlicher Anpassungsqualität in einem hochdimensionalen Parameterraum zu identifizieren und ergänzende Messungen auf algorithmische Weise zu ermitteln.

Die Bayes'sche Inferenz oder Bayes'sche Parameterschätzung sind Methoden, deren Anwendung auf die Photovoltaik derzeit noch in den Kinderschuhen steckt, da es nur eine Handvoll Veröffentlichungen dazu gibt. Der von uns verfolgte Ansatz besteht darin, neuronale Netze mit Surrogatmodellen und Optimierungsalgorithmen (z. B. CMA-ES [1]) zu kombinieren. Dies ermöglicht die Auswertung einer hohen Anzahl von Simulationen, die für die Optimierung erforderlich sind. Das Verfahren besteht darin, das neuronale Netz mit >10⁵ Simulationen des Vorwärtsproblems zu trainieren (was Stunden bis Tage dauert) und dann den Optimierungsalgorithmus das neuronale Netz anstelle der Software zu nutzen, die die Differentialgleichungen löst. Dadurch wird der Optimierungsprozess 5 Größenordnungen beschleunigt (etwa 10⁴ Parameterkombinationen pro Sekunde können mit dem neuronalen Netz auf einem normalen Laptop ausgewertet werden). So können Optimierungsalgorithmen in der Regel innerhalb von Sekunden bis Minuten ein Optimum finden und einen so großen Teil des Parameterraums abdecken, so dass weitere statistische Analysen durchgeführt werden können.

Wir haben die Methode erfolgreich für verschiedene Arten von Experimenten (Strom-Spannungs-Kurven, transiente Photolumineszenz-Abklingvorgänge) entwickelt und sind derzeit dabei, die ersten beiden Publikationen zu dieser Anwendung zu verfassen. Ein wichtiger Zwischenschritt, insbesondere bei höherdimensionalen Problemen (viele unbekannte Materialparameter), ist es, geeignete Startbedingungen für den Optimierungsalgorithmus zu finden. Daher entwickeln wir analytische Näherungen, die bessere Startbedingungen ermöglichen und die auf einer ersten Analyse experimenteller Daten auf der Grundlage einfacher Heuristiken beruhen.

[1] https://cma-es.github.io/

Interfaces for Improved Perovskite Solar Cells

The most critical interfaces within solar cells are the ones between the absorber layer and the electron and hole transport layers. Their role is to let the majority carrier pass and block the minority carrier. These interfaces often make a significant contribution to the charge-carrier selectivity of the device, ensuring that recombination losses are small, majority carrier transport is efficient and parasitic absorption is minimal. These requirements are often conflicting and lead to the challenge of finding a situation that leads to an overall performance and stability optimum.

The group holds several records in the highest open-circuit voltages, and lowest surface recombination velocities reported for certain halide perovskite compositions. The successful optimization of these interfaces was enabled primarily by the high quality of characterization techniques applied within the team as described for instance in this reference.

The above figure shows the evolution of the open-circuit voltages as a function of the bandgap in relation to the thermodynamic limit. Data are extracted from the emerging-PV platform, an open access interactive database approach hosted by FZJ. The red points correspond to references (2019, 2021, 2022).

Photothermal Deflection Spectroscopy (PDS)

Photothermal deflection spectroscopy is based on illuminating a sample that is placed inside a cuvette filled with a liquid. The light heats up the sample and in consequence also the liquid. The liquid has to be chosen in a way that its refractive index depends on temperature. Thus, we now have a light induced temperature gradient in the liquid as shown in Fig. 2 that can be detected by using a laser directed normal to the monochromatic light used to excite the sample. This laser beam is then deflected by the refractive index gradient which will be detected by a photodetector. The signal detected by the photodetector is directly proportional to the amount of absorbed light and therefore to the absorptance of the sample. If the thickness is known, also the absorption coefficient (usually the parameter of interest) may be obtained with a high dynamic range of around 4 orders of magnitude.

Transient photoluminescence

The insights obtained from transient photoluminescence (PL) measurements have contributed to an improved understanding of recombination and transport in a wide range of semiconductors. Transient photoluminescence is attractive because it allows contactless measurements of films on glass, layer stacks or complete devices while studying processes on different time- and length-scales. In particular, it permits analysis of the various recombination processes that happen in photovoltaic absorber materials and that may reduce the open-circuit voltage and subsequently the efficiency of solar cells made from these materials. However, analyzing the transients is challenging because of the multitude of (non-linear) effects that contribute to the shape of the PL transient. Recent work was focussed on combining transient photovoltage and transient photoluminescence measurements to generate an understanding of the general meaning of decay times and of the differences and similarities between electrically and optically detected transients [1].

[1] Krückemeier, L., Liu, Z., Krogmeier, B., Rau, U., & Kirchartz, T. (2021). Consistent Interpretation of Electrical and Optical Transients in Halide Perovskite Layers and Solar Cells. Advanced Energy Materials, 11(n/a), 2102290. doi:https://doi.org/10.1002/aenm.202102290