《Next Research》：Improving the efficiency of MABiI
3-based perovskite solar cells using SCAPS-1D and machine learning methods
编辑推荐：
研究通过SCAPS-1D模拟与机器学习（XGBoost等）优化非铅基钙钛矿太阳能电池（FTO/SnO?/MABiI?/CuSbS?/Pt），发现500 nm吸收层厚度配合3.23×101? cm?3吸收层受主浓度、1.38×101? cm?3 HTL掺杂浓度及1×101? cm?3 ETL施主浓度时，实现27.61%的PCE，其中掺杂浓度对效率影响最大，吸收层厚度贡献较小。结合物理模拟与ML解释，提出高效环保钙钛矿电池优化策略。
Mahzabin Islam Piya|Md. Shamim Sarker|Safikur Rahman Fahim|Md. Manjurul Haque|Hayati Mamur|Mohammad Ruhul Amin Bhuiyan
孟加拉国库斯蒂亚伊斯兰大学电气与电子工程系，邮编7003
摘要
在本研究中，我们探讨了使用甲基氨铋碘化物（MABiI?）作为吸收剂的环保型钙钛矿太阳能电池（PSCs）的优化方案，该电池采用FTO/SnO?/MABiI?/CuSbS?/Pt的器件结构。通过优化吸收剂厚度为500纳米、吸收剂受主浓度为3.23×10^18 cm^-3、HTL受主浓度为1.38×10^18 cm^-3以及ETL施主浓度为1×10^18 cm^-3的配置，实现了最佳的器件性能。在AM1.5G条件下使用SCAPS-1D进行的模拟显示，该电池的最大光电转换效率（PCE）为27.61%，开路电压（V OC）为1.07伏特，短路电流密度（J SC）为29.48 mA/cm2，填充因子（FF）为87.76%。为了进一步分析，我们通过系统改变吸收剂厚度、空穴传输层（HTL）和吸收剂受主浓度以及电子传输层（ETL）施主浓度，创建了750组模拟数据集。这些数据集使用四种基于回归的机器学习（ML）方法进行了处理：极端梯度提升（XGBoost）、K最近邻（k-NN）、支持向量回归（SVR）和人工神经网络（ANN）。其中，XGBoost得到了最可靠的结果，其R2值为0.9962，MSE值为0.0229，RMSE值为0.1513。Shapley加性解释（SHAP）分析表明，吸收剂厚度对效率变化的影响较小，而HTL和吸收剂掺杂水平的影响最大，其次是ETL施主浓度。因此，将SCAPS-1D与ML结合使用为开发高性能、无毒的PSCs并应用于实际光伏系统提供了一种有效策略。
引言
利用太阳能被认为是实现可持续发电的最有效策略之一，因为它既解决了传统化石资源的枯竭问题，也满足了减少温室气体排放的迫切需求[1]。在不同的光伏选项中，钙钛矿太阳能电池（PSCs）因其优异的光电特性、可调的带隙以及相对低成本的制造工艺而脱颖而出。开发无铅钙钛矿材料至关重要，这些材料能够在保持高性能的同时解决上述问题。由于2009年首次提出基于甲基氨铅的钙钛矿器件[3]，PSCs经历了显著的进步，其效率已提升至约3.8%。到2021年初，经认证的单结器件光电转换效率（PCE）已达到25.2%[4]。通过钙钛矿-硅串联结构，这一限制进一步被突破：2020年12月，该结构的认证PCE达到了29.15%[5]；2021年底在柏林亥姆霍兹中心（Helmholtz-Zentrum Berlin）提升至29.8%[6]；2023年KAUST的研究人员将其效率提高到33.2%，并得到了欧洲太阳能测试机构（ESTI）的验证[7]。从2009年的约3.8%到单结器件超过25%、串联器件超过29%的显著提升，表明PSCs已经超越了硅和其他薄膜技术[8]，打破了长期存在的效率瓶颈。吸收剂组成、界面钝化以及钙钛矿/硅串联结构等方面的创新是这一突破的关键。然而，使用铅存在监管和环境问题[9]。无铅钙钛矿材料MABiI?因其潜在的太阳能应用前景、热稳定性和环境安全性而受到更多关注[10]。计算分析表明，MABiI?是一种无毒、结构稳定的钙钛矿材料，具有直接的带隙和有利的电学特性，使其成为太阳能电池应用的理想无铅替代品[11]。另一项研究表明，用Bi替代Pb可以缩小带隙，从而增强可见光和红外区域的吸收[12]。MABiI?的带隙约为1.3电子伏特，更接近太阳能收集的理想范围，并且具有更紧凑的三维晶体结构。与其他基于铋的化合物相比，其窄带隙使其在更宽的光谱范围内具有更好的光吸收能力，从而克服了传统无铅钙钛矿类似物的宽带隙限制（通常>2.0电子伏特）[13]。尽管基于MABiI?的太阳能电池在理论上具有优势，但实验实现仍处于初级阶段，效率通常低于1%，主要是由于电荷传输机制效率低下、缺陷浓度高以及薄膜形态不佳[14]。基于计算和仿真的方法是当代太阳能电池研究的重要组成部分。基于物理的数值模型能够详细评估多层器件中的电荷传输、复合、带对齐和静电效应。通过在制造前预测材料行为并优化设计，这些方法减少了实验中的试错次数。因此，基于仿真的设计能够识别限制性能的因素和参数敏感性，加速开发进程，同时降低材料和制造成本[15]。为了应对这些限制，Solar Cell Capacitance Simulator（SCAPS-1D）提供了一个多功能的数值框架，用于分析和优化基于MABiI?的器件的光伏性能。该工具允许系统调整关键参数，包括吸收层厚度、缺陷分布、掺杂浓度、带对齐和传输层配置，并通过数值方法求解耦合的泊松方程和载流子连续性方程[16]。最近的一项结合实验和数值的研究展示了基于仿真的设计的实用性，使用SCAPS-13模拟的Bi基器件预期效率为14.1%，而在受控条件下构建的器件实际效率达到了1.3%[17]。Yousfi等人[18]使用SCAPS-13模拟了一种分级双钙钛矿太阳能电池，其中MAPbI?/LNMO吸收层位于ZnO（ETL）和Cu?O（HTL）之间，他们的设计改善了带对齐和电荷传输，使PCE达到24.01%。在另一项研究中，Kanouni等人[19]通过调整操作温度、吸收剂厚度、掺杂水平和缺陷密度，对基于RbGeI?的PSCs进行了数值优化。他们优化的器件实现了24.62%的PCE，V OC为0.99伏特，J SC为33.20 mA/cm2，FF为82.8%，显示出近红外吸收的改善和复合损失的减少。这些发现突显了SCAPS-13在优化基于MABiI?的PSCs方面的有效性。SCAPS-13使得对器件参数的成本效益分析成为可能，为层选择、厚度优化和缺陷缓解提供了宝贵的见解，这些步骤对于结合机器学习优化至关重要。
为了实现高效的电荷提取和最小的界面复合，ETL、吸收剂和HTL之间的能级对齐至关重要。相邻层之间的导电性和价带对齐不足可能导致复合中心或能量障碍，从而显著降低FF和V OC。因此，研究吸收剂厚度、HTL的受主掺杂浓度以及SnO?（作为ETL）和CuSbS?（作为HTL）的掺杂密度对器件光伏性能的影响是非常重要的。可以使用基于物理的SCAPS-1D仿真框架来分析电荷传输、界面复合和静电效应，该框架可以在稳态情况下求解耦合的泊松方程和连续性方程。FTO/SnO?/MABiI?/CuSbS?/Pt结构是其铅基对应物的环保替代品。本研究使用SCAPS-13仿真来研究调整这些参数对器件性能的影响，以提高PCE和稳定性[20]。尽管SCAPS-13在基于物理的器件建模方面非常有效，但在探索高维参数空间时计算成本会显著增加。为了克服这一限制，机器学习（ML）已成为光伏研究中宝贵的补充工具。ML方法能够捕捉复杂非线性关系，减少计算工作量，并加速优化过程[21]。与传统需要重复数值计算的仿真不同，基于模拟数据的ML模型可以快速预测广泛输入条件下的关键光伏参数[22]。这些数据驱动的模型能够有效地探索高维设计空间，同时揭示变量之间原本无法检测到的隐藏依赖性。最近的研究强调了ML在PSCs开发中的整合作用。一项研究通过结合ML模型和SCAPS-13仿真预测了铯基PSCs的发展，并通过实验验证和光管理技术实现了高效率和稳定性[24]。2024年的一篇研究论文提出了一种高效SnSe基太阳能电池，使用SCAPS-13对其ETL/HTL层进行了优化和仿真。使用线性回归ML模型评估了材料参数对器件性能的影响[25]。另一项研究使用ML模型和SCAPS-13仿真系统评估了64种基于锡的PSCs的ETL/HTL组合，结果表明最佳的层对齐显著提高了性能，其中ANN模型的R2值为0.98，PCE达到了26.93%[26]。
本研究的新颖之处在于其集成框架，它超越了传统的仅基于仿真的研究，通过结合基于ML的预测来实现更高效的器件优化，并为开发环保、无铅的PSCs提供了可扩展、可泛化的途径。在本研究中，通过将SCAPS-13仿真与ML结合，预测和优化了基于MABiI?的无铅PSCs（FTO/SnO?/MABiI?/CuSbS?/Pt）的性能。系统地改变关键参数以生成性能指标的数据集。训练了四种ML模型以快速预测效率，从而减少了重复SCAPS仿真的需要。使用R2和RMSE评估模型准确性，而SHAP分析确定了最具影响力的参数，表明掺杂浓度对性能影响最大，而吸收剂厚度的影响较小。通过将基于物理的建模与ML的可解释性相结合，该框架加速了器件优化，并提供了有意义的物理洞察，为设计环保、无铅的PSCs提供了可扩展的方法。
材料与结构
所提出的钙钛矿太阳能电池结构层次如下：前透明导电电极是氟掺杂的二氧化锡（FTO，200纳米），ETL是二氧化锡（SnO?，30纳米），无铅钙钛矿吸收层是甲基氨铋碘化物（MABiI?，500纳米），空穴传输层是硫化铜锑（CuSbS?，200纳米），背接触是铂（Pt），功函数为5.7电子伏特[27]。使用了理想化的缺陷密度1×10^15 cm^-3
层厚度变化的影响
图3详细展示了吸收剂和HTL层厚度对MABiI?基PSC光伏性能的影响。吸收剂层厚度在0.3至0.9微米之间变化，而HTL厚度在0.1至0.4微米之间变化。等高线图显示了这四种关键光伏参数（V OC、J SC、FF和PCE）随这些结构变化的情况。图3(a)展示了V OC随吸收剂和HTL厚度变化的情况。
结论
本研究表明，MABiI?是一种有前途的无铅吸收材料，适用于高效PSCs。在300 K和AM1.5G光照条件下使用SCAPS-13仿真，优化后的器件配置（FTO/SnO?/MABiI?/CuSbS?/Pt）实现了1.07伏特的V OC、29.48 mA/cm2的J SC和87.76%的FF，PCE为27.61%，这低于1.3电子伏特带隙的Shockley-Queisser（SQ）极限。该器件在可见光区域的量子效率接近95%，显示出其强大的性能
CRediT作者声明
Mahzabin Islam Piya：研究、方法论、初稿撰写。Md. Shamim Sarker：数据整理、正式分析、初稿撰写。Safikur Rahman Fahim：软件开发、初稿撰写。Md. Manjurul Haque：项目管理、初稿撰写。Hayati Mamur：可视化、审阅和编辑。Mohammad Ruhul Amin Bhuiyan：概念构思、指导、审阅和编辑
未引用参考文献
[42]
CRediT作者贡献声明
Mahzabin Islam Piya：初稿撰写、方法论研究。Md. Shamim Sarker：初稿撰写、正式分析、数据整理。Safikur Rahman Fahim：初稿撰写、软件开发。Md. Manjurul Haque：初稿撰写、项目管理。Hayati Mamur：审阅与编辑、可视化。Mohammad Ruhul Amin Bhuiyan：审阅与编辑、指导、概念构思。
利益冲突声明
作者与出版商之间不存在利益冲突，且本研究未在其他地方发表。
致谢
非常感谢比利时根特大学的Marc Burgelman博士提供的SCAPS-1D仿真程序。
