[論文レビュー] How much physics is in a current-voltage curve? Inferring defect properties from photovoltaic device measurements

Rachel C. Kurchin, Jeremy R. Poindexter+4 more|arXiv (Cornell University)|Nov 22, 2019

Silicon and Solar Cell Technologies参考文献 34被引用数 12

ひとこと要約

本論文は、完成した太陽電池デバイスにおける標準的な電流-電圧（JVTi）測定から、捕獲断面積やトラップエネルギー準位などの欠陥再結合パラメータを抽出するベイジアン推論フレームワークを提示する。物理ベースのデバイスシミュレーション（PC1D）と高スルーレットJVTiデータ、およびベイジアン統計を組み合わせることで、文献値と整合する高精度な欠陥パラメータを正確に回復可能であり、産業的および新興のPV技術分野において破壊的でない高精度な欠陥特性評価を可能にする。

ABSTRACT

Defect-assisted recombination processes are critical to understand, as they frequently limit photovoltaic (PV) device performance. However, the physical parameters governing these processes can be extremely challenging to measure, requiring specialized techniques and sample preparation. And yet the fact that they limit performance as measured by current-voltage (JV) characterization indicates that they must have some detectable signal in that measurement. In this work, we use numerical device models that explicitly account for these parameters with high-throughput JV measurements and Bayesian inference to construct probability distributions over recombination parameters, showing the ability to recover values consistent with previously-reported literature measurements. The Bayesian approach enables easy incorporation of data and models from other sources; we demonstrate this with temperature dependence of carrier capture cross-sections. The ability to extract these fundamental physical parameters from standardized, automated measurements on completed devices is promising for both established industrial PV technologies and newer research-stage ones.

研究の動機と目的

• 完成した太陽電池デバイスにおける標準的で非破壊的な電流-電圧（JVTi）測定から、基本的な欠陥パラメータを抽出する手法を開発すること。
• 時間のかかる、専用のサンプルを必要とする、かつ最終デバイス状態を反映しない伝統的な欠陥特性評価手法の限界を克服すること。
• 物理ベースのモデリングとベイジアン推論を用いて、捕獲断面積やトラップエネルギー準位といった欠陥補助再結合パラメータが、JVTiデータから信頼性高く推定可能であることを示すこと。
• 特殊なサンプル調製や高度な分光法を必要とせず、既存および新興の太陽電池技術分野においてもスケーラブルで自動化された欠陥分析を可能にすること。

提案手法

• 本研究では、完成したシリコン太陽電池に対して、温度範囲（175–300 K）および光強度範囲（0.09–1 Sun）の広い範囲で高スルーレット電流-電圧（JVTi）測定を実施した。
• PC1Dを用いて物理ベースのデバイスシミュレーションを実行し、キャリア輸送および再結合（特にショックレー・リード・ホール（SRH）再結合）をモデル化した。この際、明示的な欠陥パラメータを含む。
• ベイジアン推論フレームワークを用いて、3つの主要な欠陥パラメータ（電子捕獲断面積σₙ、ホール捕獲断面積σₚ、トラップエネルギー準位Eₜ）の同時確率分布を構築した。
• 標準的なSRHモデルを修正し、温度依存の捕獲断面積を組み込むことで、熱的速さおよびエネルギー依存の捕獲率を考慮した。
• パラメータの不確実性を定量化し、事後分布のマージナライゼーションにより、移動度-寿命積のような新たな関係が明らかになった。
• 本手法は、シリコン中の不純物鉄（Fe_i）の文献値と比較することで妥当性を検証し、強い一貫性が確認された。

実験結果

リサーチクエスチョン

• RQ1 完成した太陽電池デバイスにおける標準的な電流-電圧（JVTi）測定から、捕獲断面積やトラップエネルギー準位といった欠陥再結合パラメータを信頼性高く抽出可能か？
• RQ2 ベイジアン推論は、JVTiデータに含まれる複数の物理的プロセスの複雑な信号をどの程度解体し、個々の欠陥パラメータを回復可能か？
• RQ3 温度および光強度依存性を組み込むことで、欠陥パラメータ推定の正確性と精度がどの程度向上するか？
• RQ4 特殊な分光法やサンプル調製を必要とせず、既存の文献値と整合する欠陥パラメータを回復可能か？

主な発見

• ベイジアン推論フレームワークは、シリコン中の不整合鉄（Fe_i）の欠陥パラメータを高精度に回復でき、既に報告された文献値と一致した結果を得た。
• 本手法は、複数の欠陥パラメータを同時にフィッティングしても信頼性の高いパラメータ推定が可能であり、各パラメータの不確実性も明示的に提供された。
• 尤度が最も高いパラメータセットは、全温度および光強度条件下で測定されたJ-V曲線をよく再現しており、シミュレートされたSRH寿命は実験的傾向と密接に一致した。
• 温度依存の捕獲断面積を組み込むことで、モデルの正確性が顕著に向上したことが、図6の感度解析で示された。
• 事後分布のマージナライゼーションにより、直接測定できない移動度-寿命積のような新たな関係が明らかになった。
• 本手法により、破壊的でない高スルーレットの欠陥特性評価が、完成品デバイスに対して可能になった。ウェーハや半製品への複雑で時間がかかる分光法の必要性を回避できる。