高效双钙钛矿太阳能电池的数值模拟与人工智能驱动优化：基于SCAPS-1D和DFT方法

《JOURNAL OF POWER SOURCES》：Numerical simulation and AI-driven optimization of efficient dual perovskite solar cells: Based on SCAPS-1D and DFT

　　

Mingze Ou|Li Zhang|Jiang Wu

山东大学电气工程学院，中国济南，250061

摘要

传统的SCAPS-1D仿真在高维参数优化以及功率转换效率方面存在固有局限。为解决这些问题，我们创新性地提出了PINN-SQ（物理信息神经网络与肖克利-奎塞尔模型）。该模型能够高效且符合物理规律地预测光伏器件的性能，同时还能更好地解释能带间隙控制、缺陷密度以及界面行为等关键因素。通过这一方法，可以对SCAPS-1D优化后的仿真结果进行更深入的分析。首先，我们构建了一种双钙钛矿光伏结构，以Cs₂TiF₆作为吸收层，BaTiO₃作为电子传输层。研究中对界面缺陷层、能带间隙控制以及缺陷密度等关键因素进行了优化。仿真结果表明，在理想条件下，Cs₂TiF₆器件的理论效率极限为32.97%。不过，为了给实验制备提供可靠的参考，我们还考虑了寄生电阻以及实际缺陷密度为10¹³?cm^?3的情况来评估其性能。即便存在这些限制，该器件的功率转换效率仍可达到26.27%，这表明它在无铅光伏领域具有很强的竞争力，是一种极具前景的材料选择。通过引入人工智能可解释性分析，我们进一步明确了最重要的结构和材料因素，为双钙钛矿器件的优化提供了新的思路。

引言

近年来，有机-无机杂化钙钛矿太阳能电池作为一种具有变革意义的光伏技术逐渐兴起。由于它们具备出色的光电性能——高吸收系数、长载流子扩散长度，以及可通过成分设计调整能带间隙——基于铅的钙钛矿太阳能电池的功率转换效率在短短几十年内就从3.8%上升到了26%以上[[1], [2], [3], [4], [5]]。尽管取得了如此显著的进展，传统钙钛矿太阳能电池的商业化进程仍然受到两大挑战的阻碍：一是可溶性铅化合物具有毒性，会引发严重的环境和健康问题；二是有机组分在高温、高湿及紫外线照射下的长期稳定性较差[6,7,8]。因此，开发稳定、无毒且高效的无铅钙钛矿吸收层已成为光伏领域的当务之急（见表1、表2）。

为降低毒性，人们付出了大量努力，试图用其他阳离子替代Pb²⁺（如Sn²⁺和Ge²⁺）。其中，锡基钙钛矿的效率最高，可达约14%，因为它们具有较窄的能带间隙[[12], [13], [14]]。然而，Sn²⁺在空气中容易氧化成Sn⁴⁺，这会加速自掺杂，导致器件性能迅速下降，严重限制了它的实际应用[15,16]。另一方面，三价阳离子（如Bi³⁺和Sb³⁺）被用来制备A₃B₂X₉型化合物。虽然这类材料通常具有更好的化学稳定性，但它们容易形成低维结构，从而导致电荷传输性能不佳，且能带间隙过宽，不适合用于高效的单结光伏器件[17,18,19]。

在这种背景下，化学式为A₂BX₆的有序空洞双钙钛矿（其中B为四价阳离子，如Ti⁴⁺、Zr⁴⁺或Pt⁴⁺）因其无铅的特性而备受关注。其中，Cs₂TiF₆尤其具有优势，原因如下：首先，与容易被氧化的Sn²⁺不同，Ti在+4氧化态下十分稳定，而且Ti-F键能（约569?kJ/mol）远高于Pb-I或Sn-I键能，这有助于提升热稳定性，减少因湿度导致的性能下降[20,21,22]。其次，Cs₂TiF₆的能带间隙约为1.8电子伏特，既适合用于宽带隙单结结构，也可作为串联架构中的顶层吸收层。再者，理论计算表明，[TiF₆]^2-八面体结构能够支撑较为分散的电子能带，有利于电荷传输，还能缓解基于铋的无铅替代材料中常见的传输能力限制。

尽管有这些优势，通过实验实现高效率的Cs₂TiF₆器件仍然面临诸多挑战。例如，Chen等人早期的研究虽然合成了常用于红色荧光粉的Cs₂TiF₆，但其光伏性能仍远低于理论预期，主要原因在于界面处存在强烈的非辐射复合现象，以及各传输层之间的能级排列不够理想[23,24]。虽然人们已经使用SCAPS-1D器件仿真来探索潜在的结构方案，但传统的试错优化方法在计算效率上存在不足，而且难以捕捉多层参数之间复杂的非线性耦合关系。

为此，我们提出了一种综合设计策略，将第一性原理密度泛函理论、数值器件仿真以及人工智能相结合。我们设计了一种包含BaTiO₃界面层的器件结构，以此改善能带对齐情况，减少界面复合。此外，我们还采用了基于物理的神经网络与SHAP分析相结合的方法，高效地探索高维参数空间，确定对设计影响最大的变量。重要的是，本研究区分了理想状态下的性能（在乐观假设下，功率转换效率约为33%）和更贴近实验条件的性能（在现实约束下，功率转换效率约为26%），从而为制造稳定、高效且无铅的有序空洞/双钙钛矿太阳能电池提供了更为清晰的参考依据。

章节要点

人工智能模型

本研究中采用的PINN-SQ模型是一种混合预测框架，它将物理约束条件与数据驱动学习方法相结合。在该模型中，肖克利-奎塞尔极限被作为理论边界条件纳入神经网络训练过程。同时，光伏器件中的关键物理机制也被以三个方程的形式嵌入损失函数中，这样就能确保预测结果既准确又符合物理规律。

该

Cs₂TiF₆的结构

作为钙钛矿太阳能电池的吸收层，Cs₂TiF₆具有独特的六方晶体结构（空间群为P63/mmc），其[TiF₆]^2-八面体结构能为载流子提供良好的传输通道。该材料的能带间隙为1.8-2.2?eV，恰好适合吸收可见光，而Ti³⁺/Ti⁴⁺的氧化还原作用则有助于提高电荷分离效率。结构中的Cs⁺离子能够增强相稳定性，而较强的Ti-F键则能抑制离子迁移，进而减少

结论

本研究探讨了具有双钙钛矿吸附层（FTO/BaTiO₃/IDL1/Cs₂TiF₆/IDL2/Cu₂O/Au）的钙钛矿太阳能电池的结构。我们创新性地将人工智能模型引入这项研究，构建了全新的深度学习模型——PINN-SQ。借助SHAP分析，该模型为后续的钙钛矿太阳能电池优化工作提供了指导。第一性原理密度泛函理论可用于揭示原子尺度上的材料性质，而SCAPS-1D则可用于模拟微米尺度下的器件性能。将这两种方法结合使用，能够

CRediT作者贡献说明

Mingze Ou：论文撰写——审阅与编辑，论文撰写——初稿撰写，结果验证，软件使用，项目管理，方法设计，资金获取，数据整理，概念构思。Li Zhang：论文撰写——审阅与编辑，结果验证，研究指导，项目管理，方法设计，定量分析，概念构思。Jiang Wu：结果验证，研究指导，项目管理，资金获取，数据整理，概念构思。

利益冲突声明

作者声明不存在任何可能影响本文研究结果的已知利益冲突或个人关系。

致谢

本研究得到了中国国家自然科学基金的支持，项目编号为52477145；同时还得到了国家关键研发计划的资助，项目编号为2025ZD0805305。