基于機(jī)器學(xué)習(xí)和器件模擬對(duì)Cu(In,Ga)Se2電池中Ga 含量梯度的優(yōu)化分析*

劉武 朱成皖 李昊天 趙謖玲喬泊 徐征 宋丹丹

1) (北京交通大學(xué),發(fā)光與光信息技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室,北京 100044)

2) (北京交通大學(xué),光電子技術(shù)研究所,北京 100044)

Cu(In,Ga)Se2(CIGS)太陽能電池是一種高效薄膜太陽能電池,Ga 含量(Ga/(Ga+In),GGI)梯度調(diào)控是在不損失短路電流情況下,獲得高開路電壓的一種有效方法.本文基于對(duì)薄膜電池效率極限的對(duì)比分析,首先評(píng)估了CIGS 電池性能提升的優(yōu)化空間和策略.進(jìn)而,通過機(jī)器學(xué)習(xí)與電池模擬分析相結(jié)合,研究了不同類別的“V”型GGI 梯度對(duì)電池性能的影響,優(yōu)化了“V”型雙梯度的分布,獲得了高于26%的模擬效率,并探究了其內(nèi)部載流子作用機(jī)理.本文的研究提供了獲得高效率CIGS 電池“V”型GGI 梯度的優(yōu)化方案,為實(shí)驗(yàn)優(yōu)化提供了指導(dǎo).

1 引言

高效太陽能電池技術(shù)是實(shí)現(xiàn)碳中和目標(biāo)的一項(xiàng)重要技術(shù),尤其是高效薄膜太陽能電池,可以實(shí)現(xiàn)光伏建筑一體化,是緩解能源危機(jī)、實(shí)現(xiàn)碳中和目標(biāo)的一項(xiàng)高效太陽能電池技術(shù).目前,Cu(In,Ga)Se2(CIGS)、鹵素鈣鈦礦(halide perovskite)薄膜太陽能電池都取得了23%以上的轉(zhuǎn)換效率,與晶硅太陽能電池效率相當(dāng).其中,CIGS 薄膜太陽能電池因?yàn)閮?yōu)異的材料穩(wěn)定性和較成熟的制備工藝,已逐步走向產(chǎn)業(yè)化.然而,相比鈣鈦礦電池(最高效率25.5%),CIGS 電池的效率相對(duì)較低(最高值為23.35%[1]),其器件性能仍有著很大的提升空間.

為了獲得高效率CIGS 電池,有效的技術(shù)方法包括:1)“V”型Ga 梯度,可以在不損失光電流的情況下提升開路電壓;2)堿金屬后處理(PDT)鈍化缺陷;3)無鎘緩沖層減少界面能級(jí)失配及CdS 電子傳輸層的光吸收等.其中,Solar Frontier 公司利用Ga 梯度調(diào)控和無鎘雙緩沖層的方法獲得了23.35%的記錄效率.Ga 梯度調(diào)控可以有效調(diào)控CIGS 帶隙在層中的縱向分布;調(diào)節(jié)Ga/(Ga+In)(GGI)占比可以調(diào)節(jié)CIGS 的帶隙范圍(1.01—1.68 eV)[2].因而,調(diào)節(jié)GGI 及Ga 梯度可以平衡電池的光吸收及開路電壓輸出,是獲得高效率器件性能的關(guān)鍵方法.目前,國內(nèi)外的眾多研究中重點(diǎn)研究了Ga 含量對(duì)電池性能的影響,給出了GGI最優(yōu)占比為0.30—0.33[3,4].研究者對(duì)GGI 梯度的影響也進(jìn)行了一些研究,在GGI 平梯度、單梯度、以及“V”型雙梯度三種分布種類中,“V”型Ga 梯度分布被證明是一個(gè)有效提升器件性能的的方法[5-7].采用“V”型梯度分布,高能量光子可以在薄膜表面寬帶隙處被吸收,而紅外區(qū)域的光子在穿過薄膜表面以后在薄膜內(nèi)部被吸收,這種帶隙的梯度分布最大程度地提高了光子的吸收效率.

雖然“V”型Ga 梯度分布是一種獲得高器件性能的有效方法,然而,受限于實(shí)驗(yàn)制備的復(fù)雜性及時(shí)間、材料和人力成本,對(duì)其系統(tǒng)優(yōu)化以篩選最佳GGI 梯度分布比較困難.器件模擬方法是快速篩選器件結(jié)構(gòu)和材料的一種有效方法,是太陽能電池研究中的一種有效手段,但器件模擬存在一些困難,例如,如何合理設(shè)置材料物理參數(shù)以反映器件內(nèi)的真實(shí)情況.機(jī)器學(xué)習(xí)是近年來迅速發(fā)展的一種人工智能方法,它基于神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林等算法對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行學(xué)習(xí)、建立輸入指征與輸出性能之間的映射模型;通過采用合適的訓(xùn)練數(shù)據(jù)集、優(yōu)化算法參數(shù),可以對(duì)輸入指征與輸出之間的關(guān)聯(lián)進(jìn)行量化分析,并對(duì)輸出性能進(jìn)行較為準(zhǔn)確的預(yù)測.近期機(jī)器學(xué)習(xí)在太陽能電池領(lǐng)域(如有機(jī)太陽能電池、鈣鈦礦太陽能電池等)被用來優(yōu)化和篩選材料及器件結(jié)構(gòu)[8,9].我們前期利用機(jī)器學(xué)習(xí)方法,基于報(bào)道的實(shí)驗(yàn)數(shù)據(jù),模擬CIGS 組分(包含GGI 分布)及器件制備參數(shù)和結(jié)構(gòu)對(duì)器件光電轉(zhuǎn)換性能的影響,并對(duì)器件性能實(shí)現(xiàn)了較為準(zhǔn)確的預(yù)測[10].因而,以實(shí)驗(yàn)數(shù)據(jù)作為訓(xùn)練集建立機(jī)器學(xué)習(xí)模型,可以從實(shí)驗(yàn)經(jīng)驗(yàn)中進(jìn)行學(xué)習(xí),從而彌補(bǔ)器件模擬偏向于理想化模型的不足,并且可以輔助篩選器件模擬中所采用的參數(shù)及評(píng)估模擬結(jié)果的合理性.另一方面,器件模擬可以從物理機(jī)理上輔助解釋機(jī)器學(xué)習(xí)結(jié)果,彌補(bǔ)機(jī)器學(xué)習(xí)可解釋性差的問題.因而,結(jié)合機(jī)器學(xué)習(xí)和器件模擬的方法,可以結(jié)合實(shí)驗(yàn)和理論經(jīng)驗(yàn),并對(duì)結(jié)果進(jìn)行交叉驗(yàn)證,有望實(shí)現(xiàn)對(duì)GGI梯度的系統(tǒng)優(yōu)化,為實(shí)驗(yàn)提供指導(dǎo).

因此,本文采用機(jī)器學(xué)習(xí)與太陽能電池模擬軟件wxAMPS 模擬分析相結(jié)合,建立了不同的“V”型Ga 梯度的CIGS 電池模型,詳細(xì)分析了Ga 梯度對(duì)器件性能的影響及規(guī)律,給出了不同位置Ga含量的最優(yōu)數(shù)值,優(yōu)化分析了“V”型雙梯度的分布,探究了其內(nèi)部載流子作用機(jī)理.

2 器件模擬與機(jī)器學(xué)習(xí)方法

2.1 CIGS 電池效率極限分析

為了明確器件模擬和機(jī)器學(xué)習(xí)優(yōu)化的目標(biāo),首先對(duì)比分析了單結(jié)太陽能電池的效率極限(Shockley-Queisser(S-Q)效率極限).對(duì)比了晶硅(c-Si)、CIGS、鈣鈦礦三種電池最新的實(shí)驗(yàn)值記錄,如表1所列.為了分析這些參數(shù)與SQ 效率極限值的差異,計(jì)算了每種材料的兩個(gè)特征參數(shù),包括:1)實(shí)驗(yàn)與理論極限短路電流比JSC/JSQ,它受限于電池活性層中光的耦合、吸收和俘獲的程度,以及載流子的收集效率;2)電壓損失,WOC=Eg/q-VOC,其中Eg為光學(xué)帶隙,WOC主要與主體、表面和界面中載流子的復(fù)合程度有關(guān).理論極限值參考文獻(xiàn)[21,22]的計(jì)算結(jié)果.從表1可以看出,c-Si 太陽能電池的短路電流與S-Q 極限值已非常接近(JSC/JSQ達(dá)到98%左右),CIGS 電池的短路電流損失最大(JSC/JSQ為90%左右),還有較大的提升空間.同時(shí),高JSC的CIGS 電池對(duì)應(yīng)的開路電壓VOC較低.作為多晶薄膜太陽能電池,CIGS 的VOC損失WOC(350 mV 以上)明顯高于最高效率的鈣鈦礦電池的WOC(小于300 mV).因而,如何同時(shí)獲得高的VOC和JSC是實(shí)現(xiàn)CIGS 效率突破的關(guān)鍵.從理論上分析,“V”型GGI 梯度分布可能是實(shí)現(xiàn)這個(gè)目標(biāo)的一個(gè)有效途徑.

表1 CIGS,c-Si,鈣鈦礦三種電池的光伏特性參數(shù)、S-Q 極限值及差值分析.Eg,PCE/VOC/JSC/FF,JSQ,WOC分別代表材料的帶隙、電池的轉(zhuǎn)換效率/開路電壓/短路電流密度/填充因子、SQ 極限計(jì)算的短路電流密度、VOC損失Table 1.Photovoltaic parameters,S-Q limit value and difference analysis of CIGS,c-Si,and perovskite solar cells.Here,Eg,PCE/VOC/JSC/FF,JSQ,WOCrespectively represent the band gap of the absorption material,the photoelectric conversion efficiency/open circuit voltage/short-circuit current density/fill factor of the solar cells,the short-circuit current density calculated by the SQ limit,and the VOCloss.

2.2 器件模擬模型設(shè)計(jì)及模擬參數(shù)

為了使器件模擬中采用的物理參數(shù)設(shè)置值更能反映真實(shí)器件情況,首先模擬了當(dāng)前最高效率23.35%的器件情況,所使用的器件結(jié)構(gòu)由襯底/Mo/CIGS/Zn(O,S,OH)x/Zn0.8Mg0.2O/BZO 構(gòu)成.提取文獻(xiàn)中的帶隙梯度數(shù)據(jù),將文獻(xiàn)中采用的厚度為1 μm 的CIGS 吸收層分為了20 層(等厚度),通過設(shè)置20 個(gè)分層中每層所對(duì)應(yīng)的不同電子親和勢及禁帶寬度,模擬Ga 梯度引起的帶隙的變化,結(jié)果如圖1所示.帶隙與Ga 梯度的關(guān)系為Eg=1.01(1-x)+1.65x-0.15x(1-x),其中x為GGI值[23].通過CIGS 吸收層中載流子密度、缺陷分布和復(fù)合機(jī)制的參數(shù)進(jìn)行建模,載流子濃度設(shè)為2×1016cm—3、缺陷為高斯型缺陷分布.表2給出了用于模擬CIGS 電池的一些物理參數(shù),部分參數(shù)參考自文獻(xiàn)[24-26].

表2 器件模擬中使用的參數(shù)設(shè)置Table 2.Parameter settings used in device simulation.

圖1 CIGS 吸收層帶隙梯度變化Fig.1.Band gap gradient change of CIGS absorber layer.

圖2給出了實(shí)驗(yàn)獲得的和模擬得到的器件電流密度-電壓(J-V)曲線,可以發(fā)現(xiàn)二者符合度非常好,說明模擬參數(shù)和模型設(shè)置較為合理.因此,本文采用這些參數(shù)對(duì)不同GGI 梯度器件性能的影響進(jìn)行模擬.

圖2 實(shí)驗(yàn)與模擬得到的CIGS 太陽能電池J-V 特性Fig.2.J-V characteristic of experimental data and simulation result for the CIGS solar cell.

2.3 機(jī)器學(xué)習(xí)算法和參數(shù)設(shè)置

從文獻(xiàn)中收集實(shí)驗(yàn)數(shù)據(jù)作為機(jī)器學(xué)習(xí)的數(shù)據(jù)集,包括120 多篇最近發(fā)表的論文中的300 多個(gè)數(shù)據(jù)點(diǎn),從中篩選信息記錄全、PCE ≥ 10%的數(shù)據(jù)點(diǎn)作為本文的數(shù)據(jù)集,詳細(xì)的數(shù)據(jù)集信息記錄及數(shù)據(jù)清洗方法參看我們前期的論文[10].使用R 工具(版本3.6.2),基于前期利用隨機(jī)森林(random forest)算法建立的優(yōu)化模型進(jìn)行預(yù)測,隨機(jī)森林對(duì)器件PCE 的預(yù)測均方根誤差小于1.5%.為了反映CIGS層內(nèi)的GGI 濃度梯度,對(duì)GGI 使用了三個(gè)特征,包括背面Ga 含量(靠近Mo 接觸,GGIB)、位于CIGS層內(nèi)的Ga 含量(最小的帶隙位置,GGIM)和表面Ga 含量(靠近 n 型緩沖層接觸,GGIF),如圖3(b)所示.機(jī)器學(xué)習(xí)模型中采用的其他指征包括[Cu]/([Ga]+[In])比率、CIGS 吸收層厚度、緩沖層材料及厚度、CIGS 制備方法(共蒸發(fā)或其他)、基板溫度、基板或預(yù)沉積層是否含堿金屬、是否堿金屬后處理.

圖3 (a) CIGS 電池器件結(jié)構(gòu);(b) CIGS 層中GGI 梯度示意圖Fig.3.(a) Device structure of the CIGS solar cells;(b) schematic illustration of GGI gradient in CIGS.

3 結(jié)果與討論

3.1 機(jī)器學(xué)習(xí)預(yù)測結(jié)果分析

為了了解不同位置的GGI 對(duì)光伏參數(shù)的特定貢獻(xiàn),本文基于機(jī)器學(xué)習(xí)數(shù)據(jù)集計(jì)算了GGI 與光伏特性參數(shù)之間的Pearson 相關(guān)系數(shù),如表3所列.可以看出,GGIF,GGIM,GGIB與VOC整體呈正相關(guān),與JSC整體呈負(fù)相關(guān)性,亦即高的GGI 可提升VOC、但不利于獲得高JSC.另外還可以看出,GGIM與JSC相關(guān)性更強(qiáng),因?yàn)樵赩 型梯度中,越低的GGIM越利于獲得高的JSC.

表3 不同位置GGI 與光伏參數(shù)之間的相關(guān)性Table 3.Correlation between GGI value at different location and photovoltaic parameters.

圖4給出了針對(duì)不同的GGIB,GGIM和GGIF數(shù)據(jù)隨機(jī)森林算法預(yù)測的器件效率.隨著GGIB含量的增大,電池轉(zhuǎn)換效率PCE 值也隨之增大.這是因?yàn)?高GGI 區(qū)會(huì)加大背表面的禁帶寬度、增強(qiáng)背電場強(qiáng)度,而背表面電場的存在會(huì)促使光電子遠(yuǎn)離CIGS/Mo 界面、減少界面復(fù)合.但是,過寬的背面帶隙也會(huì)降低光吸收,因此在GGIB達(dá)到0.8(對(duì)應(yīng)帶隙值為1.53 eV)之后,PCE,VOC,FF,JSC不再增加.文獻(xiàn)報(bào)道背表面CIGS 帶隙寬度不超過1.5 eV 為宜[27],這與我們采用機(jī)器學(xué)習(xí)的預(yù)測值比較一致.

圖4 RF 算法預(yù)測的電池效率隨GGIF/GGIM/GGIB變化的曲線Fig.4.Changes of predicted efficiency by RF algorithm with GGIF/GGIM/GGIB.

圖5是GGI 對(duì)CIGS 電池轉(zhuǎn)換效率影響的三維映射圖,可以看出,電池轉(zhuǎn)換效率的峰值范圍集中在前表面Ga 含量GGIF=0.45—0.50.有文獻(xiàn)研究表明,CIGS 吸收層與緩沖層的導(dǎo)帶失調(diào)值(ΔEC)在合適的范圍內(nèi),可以抑制電池吸收區(qū)的復(fù)合,有效提高電池的VOC[27].因此,對(duì)于特定帶隙的緩沖層材料,必然會(huì)有一個(gè)最優(yōu)的GGIF范圍構(gòu)成最優(yōu)的導(dǎo)帶失調(diào)值.相比于CdS 緩沖層,Zn(Mg,O)/Zn(O,S,OH)x緩沖層擁有更高的帶隙,前表面Ga 含量GGIF能夠接受的數(shù)值比CdS 材料更大,因而有可能獲得更高的效率.

從圖5可以發(fā)現(xiàn),在最優(yōu)的GGIF范圍內(nèi)對(duì)應(yīng)了兩個(gè)高效率峰值等高線,一個(gè)在GGIF與GGIM梯度差ΔGGIFM為0.25—0.35 時(shí);一個(gè)在GGIF與GGIM梯度差ΔGGIFM為0—0.1 時(shí).這是因?yàn)楫?dāng)GGIF與GGIM相差大的時(shí)候,較小的GGIM提升了長波長光子的吸收,此時(shí),較大的GGIB帶來的背電場使得器件性能的增益較明顯,即“深V”型梯度更好.而當(dāng)GGIF與GGIM相差小的時(shí)候,大的背梯度GGIB帶來的背電場對(duì)器件性能的增益不明顯,而過高的背梯度反而減少了長波段光的吸收,因而采用小的GGIB更利于獲得更高的效率,即“淺V”型梯度更好.

圖5 RF 算法預(yù)測的不同GGI 值情況下的器件效率Fig.5.Device efficiency predicted by RF algorithm under different GGI values.

圖6給出了機(jī)器學(xué)習(xí)篩選的6 個(gè)優(yōu)化GGI 梯度(模型1—模型6)及預(yù)測的器件性能.模型0 為轉(zhuǎn)換效率為23.35%,文獻(xiàn)中采用的GGI 梯度(0.55—0.98)及機(jī)器學(xué)習(xí)對(duì)該梯度預(yù)測的性能.可以發(fā)現(xiàn),模型0 的VOC,JSC,FF,PCE 都不是所有模型中最高的數(shù)值,GGI 梯度模型3—模型6 所獲得的效率也都比其高,這說明文獻(xiàn)[1](效率23.35%)中所形成的GGI 梯度并不是最優(yōu)的梯度,可以通過優(yōu)化GGI 的梯度分布進(jìn)一步提高其轉(zhuǎn)換效率.另外需要說明的是,機(jī)器學(xué)習(xí)預(yù)測效率整體偏低.例如,對(duì)于模型0,預(yù)測效率約為14.97%,低于實(shí)驗(yàn)獲得的23.35%的效率,這是由于機(jī)器學(xué)習(xí)訓(xùn)練數(shù)據(jù)集中有很多較低效率的報(bào)道,因而對(duì)高效率電池的預(yù)測值相對(duì)偏低.為了模擬高效率電池性能,進(jìn)一步采用器件模擬方法,因?yàn)槠骷M中的器件模型是較為理想情況下的器件,更接近高效率器件的情況.

圖6 RF 算法預(yù)測的不同GGI 梯度的器件性能.其中,0 代表實(shí)驗(yàn)效率為23.35%的電池所采用的GGI 梯度,模型1—模型6 為預(yù)測效率最高的6 組器件的GGI 梯度Fig.6.Predicted device performance of the CIGS solar cells based on different GGI gradients by RF algorithm.0 represents for the GGI gradient used in the device with 23.35% experimental efficiency,while 1—6 are the GGI gradients of the devices with the highest predicted efficiency.

3.2 器件模擬結(jié)果與分析

考慮CIGS 薄膜不同位置上的Ga 含量變化,設(shè)計(jì)了不同的Ga 梯度變化的CIGS 電池模型,參考機(jī)器學(xué)習(xí)的預(yù)測結(jié)果,器件模擬中GGIF值的設(shè)置范圍為0.4—0.6,GGIM值的設(shè)置范圍為0.1—0.4.為了避免其他非Ga 梯度因素帶來的影響,需要保證總的Ga 平均含量與基礎(chǔ)器件一致,這有利于對(duì)薄膜表面、內(nèi)部和背面的Ga 含量的差別帶來的影響進(jìn)行比較分析.在此基礎(chǔ)上考慮薄膜不同位置上的GGIB變化并設(shè)計(jì)了14 個(gè)不同的Ga 梯度變化模型,然后使用wxAMPS 進(jìn)行模擬仿真.梯度范圍如表4所列,梯度曲線如圖7所示.模型1—模型6 是GGIF=0.4 情況下,GGIM依次增大,GGIB依次減小;模型7—模型10 是GGIF=0.5 情況下,GGIM依次增大,GGIB依次減小;模型11—模型14 是GGIF=0.6 情況下,GGIM依次增大,GGIB依次減小.

圖7 器件模擬采用的14 種“V”型雙梯度模型 (a) GGIF=0.4;(b) GGIF=0.5;(c) GGIF=0.6Fig.7.14 types of“V”-shaped double GGI gradient schemes used in the device simulation:(a) GGIF=0.4;(b) GGIF=0.5;(c) GGIF=0.6.

表4 wxAMPS 器件模擬所用的GGI 梯度模型Table 4.Schemes of GGI gradient used for wxAMPS device simulation.

圖8給出了14 個(gè)不同梯度變化的“V”型梯度器件性能參數(shù).圖8(a)為CIGS 電池的VOC參數(shù)圖,可以看出,電池內(nèi)部的Ga 含量極小值GGIM的大小在很大程度上影響著開路電壓.在不同的前表面Ga 含量中(GGIF=0.4,0.5,0.6),隨著GGIM的增大(模型1—模型6、模型7—模型10、模型10—模型14),電池開路電壓隨之增加,這歸因于吸收層內(nèi)部最小禁帶寬度的增加.但是隨著Ga 含量極小值GGIM的進(jìn)一步增大,開路電壓VOC和填充因子FF(圖8(c))出現(xiàn)下降.圖8(b)為CIGS電池的短路電流參數(shù)圖,當(dāng)前表面Ga 含量GGIF確定后,隨著GGIM的增大(模型1—模型6、模型7—模型10、模型10—模型14),電池的短路電流JSC隨之減小,這是因?yàn)榇蟮腉GIM增大了吸收層的最小禁帶寬度,使得吸收層在長波段的光譜響應(yīng)下降.因此,對(duì)于每一個(gè)前表面Ga 含量GGIF,都將存在一個(gè)最優(yōu)的轉(zhuǎn)換效率(如圖8(d)所示),它是平衡了VOC帶來的增益和JSC的損失的結(jié)果.

圖8 器件模擬得到的不同GGI 梯度模型的器件性能Fig.8.Device performance of the CIGS solar cells based on different GGI gradient schemes obtained by device simulation.

為了深入探究器件內(nèi)部載流子機(jī)理,選取每個(gè)模型在前表面、內(nèi)部、后表面的載流子復(fù)合速率值進(jìn)行了對(duì)比分析,如圖9所示.在前表面Ga 含量GGIF一定的情況下,器件內(nèi)部的載流子復(fù)合率隨著Ga 含量極小值GGIM的增大而增加,如圖9(b)所示;同時(shí),后表面Ga 含量減小(如表4和圖7所示)導(dǎo)致背電場強(qiáng)度減小(如圖10所示).內(nèi)部的載流子復(fù)合率的增加導(dǎo)致了載流子收集效率的降低,同時(shí)CIGS 背面電場的減小不利于抑制少數(shù)載流子在后表面的復(fù)合,這使得短路電流JSC下降.

圖9 器件模擬得到的CIGS 電池不同位置載流子復(fù)合速率 (a) 前表面;(b) 電池內(nèi)部;(c) 后表面.R 為復(fù)合速率,單位cm—3·s—1Fig.9.Carrier recombination rate at different positions of CIGS solar cells obtained by device simulation:(a) Front surface;(b) interior;(c) rear surface.Here,R is the recombination rate,which unit is cm—3·s—1.

圖10 器件模擬得到的CIGS 薄膜背電場強(qiáng)度Fig.10.Back electric field intensity of CIGS film obtained by device simulation.

圖8(d)為CIGS 電池的轉(zhuǎn)換效率參數(shù)圖,相比于效率為23.35%的器件所采用的梯度,本文所設(shè)立的14 種模型梯度實(shí)現(xiàn)了更高PCE,最大值高于26%.這也說明“V”型GGI 梯度的進(jìn)一步優(yōu)化有望實(shí)現(xiàn)CIGS 效率的進(jìn)一步突破.從實(shí)驗(yàn)技術(shù)的實(shí)現(xiàn)來說,本文設(shè)計(jì)的多個(gè)模型的GGI 值的變化范圍相對(duì)效率為23.35%的器件所采用的更小,因而實(shí)驗(yàn)技術(shù)上相對(duì)更容易實(shí)現(xiàn).因此,這些研究結(jié)果可以為實(shí)驗(yàn)優(yōu)化提供指導(dǎo).

4 結(jié)論

本文通過機(jī)器學(xué)習(xí)與器件模擬分析相結(jié)合,分別基于實(shí)驗(yàn)和理論經(jīng)驗(yàn),量化分析了不同位置Ga 含量對(duì)器件性能的影響,證明了Ga 梯度優(yōu)化的重要性,并給出了獲得高效率器件的GGI 梯度參考值.基于機(jī)器學(xué)習(xí)和器件模擬,分別篩選了6 種和14 種GGI 梯度,機(jī)器學(xué)習(xí)預(yù)測的效率和器件模擬得到的效率優(yōu)于目前最高效率采用的GGI 梯度的預(yù)測效率和模擬效率.因而,進(jìn)一步優(yōu)化GGI 梯度,有望實(shí)現(xiàn)CIGS 電池效率的突破,本文的分析結(jié)果可為實(shí)驗(yàn)優(yōu)化提供方向.

1) GGIF,GGIM,GGIB與VOC整體呈正相關(guān),與JSC整體呈負(fù)相關(guān)性,高的GGI 可提升VOC、但不利于獲得高JSC.GGIM與JSC的相關(guān)性更強(qiáng),在V 型梯度中,越低的GGIM越利于獲得高的JSC;2)背面Ga 含量GGIB的增大會(huì)增強(qiáng)背電場強(qiáng)度,減少界面復(fù)合;但過寬的背面帶隙會(huì)提高背表面復(fù)合速度,增加吸收損失.機(jī)器學(xué)習(xí)篩選的最佳Ga 含量背梯度GGIB=0.8;3) Ga 梯度的優(yōu)化是實(shí)現(xiàn)效率突破的有效方法,基于優(yōu)化的Ga 梯度,器件模擬效率最大值高于26%.