类卤素阴离子工程已成为基于钙钛矿的光电子学领域感兴趣的表面钝化策略;但到目前为止,类卤素阴离子导致缺陷钝化不充分,从而导致不希望的深层杂质态。迄今为止,类卤素阴离子化学空间的大小(>106个分子)限制了探索整个候选分子家族的尝试。鉴于此,2023年10月30日多伦多大学Sargent于Nature
Materials刊发钙钛矿太阳能电池双功能表面钝化阴离子的优化的研究成果,创建了一个机器学习工作流程,使用全密度泛函理论计算来训练模型,以加快发现过程。基于物理的机器学习模型使我们能够精确定位有前景的分子,其头部基团可防止晶格畸变和反位点缺陷形成,尾部基团经过优化可牢固附着在表面上。鉴定了15种潜在的双功能类卤素阴离子,能够钝化供体和受体,并通过实验发现巯基乙酸钠是最有效的钝化剂。该策略使反式钙钛矿太阳能电池的功率转换效率达到24.56%,开路电压高达1.19
V(NREL认证的准稳态效率为 24.04%)。封装器件在一个太阳光下最大功率点运行900 小时后仍保持96%的初始效率。
责任编辑:周末