基于相关性驱动的氢辅助退火在Sb?(S,Se)?太阳能电池中的优化：一个预测性的实验-仿真框架

《Journal of Alloys and Compounds》：Correlation-driven optimization of hydrogen-assisted annealing in Sb?(S,Se)? solar cells: A predictive experimental-simulation framework

本研究建立氢辅助退火优化Sb?(S,Se)?太阳能电池的关联驱动框架，通过实验与SCAPS-1D模拟分析，提出纹理系数因子（TCF）量化晶向择优，系统考察氢浓度（0-15%）及温度（350-400℃）对载流子浓度（r=0.82）、开路电压（r=0.97）及转换效率（r>0.94）的影响，确定最佳条件（400℃、10% H?）使效率达7.75%，较氩退火提升39%。

　　

Jui-En Hu | Yi-Cheng Lin

台湾彰化国立教育大学

摘要

本研究通过综合实验表征和SCAPS-1D模拟，建立了一种基于相关性驱动的优化框架，用于氢辅助退火在Sb?(S,Se)?太阳能电池中的应用。研究开发了一个纹理系数因子（TCF），用于量化优先的[hk1]晶体取向；同时，在不同氢浓度（0–15%）和温度（350–400°C）下进行的系统实验生成了全面的数据集。皮尔逊相关性分析作为核心方法，统计验证了优化路径，并揭示了关键的结构-性能-关系：TCF与载流子浓度（r = 0.82）有强相关性，这直接决定了开路电压（Voc，r = 0.97）和功率转换效率（PCE，r > 0.94）。这些相关性为确定最佳条件（400°C，10% H?）提供了基础，实现了7.75%的转换效率，比传统的氩气退火（5.58%）提高了39%。氢气氛增强了Se的掺入，同时抑制了Sb?O?的形成；适量的氢促进了[hk1]晶体的优先生长，并将载流子浓度提高到了2.28 × 101? cm?3。通过相关性指导的参数选择，SCAPS-1D模拟预测的理论效率潜力为19.56%。这种方法将经验观察转化为对锑硫族化合物太阳能电池的预测性优化策略。

引言

在新兴的薄膜技术中，锑硫族化合物，特别是Sb?S?、Sb?Se?及其混合组分Sb?(S,Se)?，作为下一代太阳能电池的有希望的吸收材料受到了广泛关注[1]、[2]、[3]、[4]、[5]。这些材料具有显著的优势，包括高光学吸收系数（>10? cm?1）、可调的带隙（Sb?Se?为1.2 eV，Sb?S?为1.7 eV）、地球丰富的成分、无毒性和优异的稳定性[6]、[7]、[8]。已经实现了超过10%的记录效率，其中Sb?(S,Se)?电池达到了10.70%的效率[9]，标志着这项新兴光伏技术的重大进展。然而，实际应用面临的关键挑战限制了其性能，使其无法达到理论预测的28%的效率[10]。目前大约7%的实验效率源于次优的晶体取向、不足的载流子传输特性以及与界面相关的复合损失。一维晶体结构表现出高度各向异性的传输特性，沿[hk1]晶体方向的迁移率高于[hk0]取向[11]。

使用惰性气氛的传统退火方法往往会导致不理想的晶体取向和有害的次要相（如Sb?O?）的过度形成[12]、[13]。虽然化学添加剂可以抑制不需要的相[14]，但尽管氢辅助退火在成分调节和晶体质量提升方面具有巨大潜力，相关研究仍然有限。优先生长[hk1]取向的晶粒对于实现高效的载流子收集和最小化复合损失至关重要，这些材料因其优异的电导率和接近Shockley-Queisser最优值的适当带隙而被认为是合适的吸收材料[15]、[16]、[17]。

最近的研究强调了结合设备模拟与实验验证的综合方法在加速锑硫族化合物太阳能电池优化中的重要性。SCAPS-1D模拟在分析处理参数、材料属性和设备性能之间的相关性方面变得越来越有价值，显示出在优化条件下实现超过28%的功率转换效率的潜力[18]、[19]。然而，将实验表征数据与模拟模型相结合以建立预测性框架的工作仍不完善。

基于相关性驱动的优化方法的发展代表了从经验性试错方法向预测性、数据驱动的材料科学的关键范式转变。统计分析方法，特别是皮尔逊相关性分析，是建立定量结构-性能-关系的基础，将定性观察转化为预测性优化策略。这种方法对于氢辅助退火过程尤为重要，因为在这些过程中需要通过系统的统计评估同时优化多个变量，包括温度、氢浓度和处理时间，而不是凭直觉调整参数[20]、[21]。

本研究通过一种基于严格统计相关性分析的综合实验-模拟方法，解决了Sb?(S,Se)?太阳能电池中氢辅助退火过程系统优化的关键需求。通过开发用于晶体取向评估的定量指标，并采用皮尔逊相关性分析作为核心验证工具，本研究建立了一个全面的统计框架，用于预测性过程优化。研究重点在于理解氢气氛如何调节薄膜成分、晶体取向和电子属性，并利用SCAPS-1D模拟来验证实验结果。相关性分析作为连接实验观察与理论预测的关键纽带，提供了系统关系的统计证据，结合物理理解，使得预测性优化策略的开发成为可能。我们全面的参考文献选择系统涵盖了与氢辅助退火优化相关的所有主要方面，包括基本材料属性[1]、[2]、[3]、[4]、[5]、[6]、[7]、[8]、最近的效率成就[9]、理论建模方法[10]、[18]、[19]、晶体取向效应[11]、[15]、[16]、[17]、处理挑战[12]、[13]、[14]以及统计优化方法[20]、[21]。

实验设计与系统数据生成

Sb?(S,Se)?薄膜的成分与形态

1展示了在不同H?/(H?+Ar)比率下，经过硒化-硫化退火后的Sb?(S,Se)?薄膜的EDS成分和带隙分析结果。实验设计采用了两个退火温度参数（350°C和400°C）和四个氢浓度参数（H?/(H?+Ar)比率，分别为0%、5%、10%和15%），样品分别编码为H0、H5、H10、H15（400°C系列）和L0、L5、L10、L15（350°C系列）。EDS分析结果显示，Sb元素

结论

本研究通过综合实验表征和SCAPS-1D模拟分析，成功建立了一个用于优化Sb?(S,Se)?薄膜太阳能电池中氢辅助退火过程的全面相关性驱动框架。TCF的开发提供了一个定量指标，用于评估晶体取向质量，从而能够系统地优化处理参数以提高设备性能。关键发现表明，氢气氛

CRediT作者贡献声明

Yi-Cheng Lin：撰写——审稿与编辑、监督、正式分析、概念化。Jui-En Hu：撰写——初稿、方法论、正式分析、数据整理。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

致谢

作者感谢根特大学的SCAPS开发者免费提供他们的软件包。作者还要感谢国家科学技术委员会在项目编号114–2221-E-018–012下提供的财政支持。