钙钛矿太阳能电池中基于双分布弛豫时间的电化学谱解卷积新方法

针对钙钛矿太阳能电池(PSCs)电化学阻抗谱(EIS)分析中传统等效电路拟合和分布弛豫时间(DRT)方法分辨率不足的问题，研究人员提出了一种结合贝叶斯模型选择与Havriliak-Negami(HN)建模的双DRT方法，成功将重叠的弛豫过程分解为离散的洛伦兹峰，精确识别出电荷转移(τ～10?6 s)、陷阱复合(τ～10?2 s)和离子迁移(τ～1 s)等关键过程，为器件性能优化提供了新工具。

　　

在能源转型的全球背景下，钙钛矿太阳能电池(PSCs)以其26%的单结效率和33.9%的多结效率成为光伏领域的新星。然而，其复杂的电化学动力学过程——包括电荷传输、离子迁移和界面效应——严重制约了性能优化。传统表征手段如电流密度-电压(J-V)曲线仅能反映稳态特性，而电化学阻抗谱(EIS)虽能捕捉动态过程，却受限于等效电路模型(EEC)的模糊性和传统分布弛豫时间(DRT)方法的低分辨率，导致关键弛豫时间常数(τ)难以精确提取。

针对这一瓶颈，Pandit Deendayal能源大学与King Khalid大学的研究团队在《Journal of Energy Chemistry》发表创新成果，开发出双DRT解卷积框架。该方法通过融合回归分析与贝叶斯模型分类，结合Havriliak-Negami(HN)元件建模，首次将PSCs的EIS响应分解为尖锐的洛伦兹型峰，实现了从微秒级电荷转移到秒级离子运动的跨尺度动力学解析。

关键技术包括：1）基于模拟EIS谱验证的双DRT算法，通过统计模型选择确定最优峰数量(Q)；2）电压依赖性实验设计，采集不同偏压下的PSC阻抗数据；3）HN建模将传统DRT的高斯宽峰转化为离散峰。

研究结果方面：
Abstract
该方法成功区分三类关键过程：快速电荷转移(τ～10^?6
s)、中速陷阱复合(τ～10^?2
s)和慢速离子迁移(τ～1 s)。低Q模型会遗漏低频极化特征，而优化Q值能准确反映器件物理行为。

Introduction
传统EEC模型存在主观性，不同电路可拟合相同数据。团队前期工作证明机器学习可提升EIS分析效率，但常规DRT仍产生重叠的高斯峰。新方法通过HN元件拟合实现峰锐化。

Regression and classification of DRT
将阻抗视为无限RC元件组合，通过分布函数g(τ)量化各弛豫过程贡献。引入贝叶斯准则自动选择物理合理的峰数量，避免过拟合。

Conclusions and future work
电压扫描揭示τ与陷阱密度、载流子迁移率的关联，为界面工程提供量化指标。未来可拓展至降解机制研究。

该研究的突破性在于：1）首次实现PSCs弛豫过程的亚数量级分离；2）建立电压-动力学参数的定量关系；3）为无假设的EIS分析设立新标准。正如通讯作者Abul Kalam强调，这项数据驱动的方法不仅适用于PSCs，还可推广至其他电化学系统，为新能源材料的机理研究开辟了新范式。