[논문 리뷰] How much physics is in a current-voltage curve? Inferring defect properties from photovoltaic device measurements

Rachel C. Kurchin, Jeremy R. Poindexter외 4명|arXiv (Cornell University)|2019. 11. 22.

Silicon and Solar Cell Technologies참고 문헌 34인용 수 12

한 줄 요약

이 논문은 완성된 태양전지에서 표준 전류-전압(JVTi) 측정을 통해 결함 재결합 매개변수—예를 들어 포획 단면적과 함몰 에너지 수준—을 추출하는 베이지안 추론 프레임워크를 제시한다. 물리 기반의 장치 시뮬레이션(PC1D)과 고속도 JVTi 데이터, 그리고 베이지안 통계를 융합함으로써, 문헌 값과 일치하는 정확한 결함 매개변수를 회복할 수 있으며, 이는 산업적 및 신개념 PV 기술에서 파손되지 않는 고정밀도 결함 특성 분석을 가능하게 한다.

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.

연구 동기 및 목표

• 완성된 태양전지에서 표준 비파괴 전류-전압(JVTi) 측정을 통해 기본적인 결함 매개변수를 추출하는 방법을 개발하는 것.
• 기존의 결함 특성 분석 기법의 한계를 극복하는 것—즉, 시간이 오래 걸리며 전용 샘플이 필요하고 최종 장치 조건을 반영하지 못할 수 있음.
• 물리 기반 모델링과 베이지안 추론을 사용하여 결함 보조 재결합 매개변수—예를 들어 포획 단면적과 함몰 에너지 수준—이 JVTi 데이터에서 신뢰성 있게 추론될 수 있음을 입증하는 것.
• 특수한 샘플 준비나 고급 분광법이 필요 없이도 기존 및 신개념 태양전지 기술에서 확장 가능하고 자동화된 결함 분석을 가능하게 하는 것.

제안 방법

• 완성된 실리콘 태양전지에서 다양한 온도(175–300 K)와 빛 강도(0.09–1 Sun) 범위에서 고속도 전류-전압(JVTi) 측정을 수행한다.
• PC1D를 사용하여 물리 기반의 장치 시뮬레이션을 수행하며, 이는 실내 운반 및 재결합을 모델링하며, 명시적인 결함 매개변수를 포함한 쇼크리-리드-홀드(SRH) 재결합을 수반한다.
• 세 가지 핵심 결함 매개변수—전자 포획 단면적(σₙ), 정공 포획 단면적(σₚ), 함몰 에너지 수준(Eₜ)—에 대한 공동 확률 분포를 구성하기 위해 베이지안 추론 프레임워크를 적용한다.
• 온도 의존 포획 단면적을 표준 SRH 모델에 수정하여 열 운동 속도와 에너지 의존 포획 속도를 고려한다.
• 매개변수의 불확실성을 정량화하고, 사후 분포의 마진화를 통해 새로운 관계—예를 들어 이동도-수명 곱—를 관찰한다.
• 기존 문헌에서 보고된 실리콘 내 이물질 철의 결함 값과의 비교를 통해 방법의 타당성을 검증하였으며, 강한 일치를 보였다.

실험 결과

연구 질문

• RQ1 완성된 태양전지에서 표준 전류-전압(JVTi) 측정을 통해 포획 단면적과 함몰 에너지 수준 등의 결함 재결합 매개변수를 신뢰성 있게 추출할 수 있는가?
• RQ2 베이지안 추론은 JVTi 데이터의 다중 물리적 과정이 복합적으로 얽힌 신호를 얼마나 잘 분리하여 개별 결함 매개변수를 회복할 수 있는가?
• RQ3 온도 및 빛 강도 의존성을 포함함으로써 결함 매개변수 추정의 정확도와 정밀도는 얼마나 향상되는가?
• RQ4 특수 분광법이나 샘플 준비 없이도 기존 문헌 값과 일치하는 결함 매개변수를 회복할 수 있는가?

주요 결과

• 베이지안 추론 프레임워크는 실리콘 내 이물질 철의 결함 매개변수를 고정밀도로 회복하였으며, 이는 이전에 보고된 문헌 값과 일치하였다.
• 모든 매개변수를 동시에 피팅하는 상황에서도 신뢰할 수 있는 매개변수 추정이 가능했으며, 각 매개변수에 대해 불확실성 정량화가 제공되었다.
• 가장 높은 확률을 가진 매개변수 조합은 모든 온도와 강도에서 측정된 J-V 곡선을 잘 재현하였으며, 시뮬레이션된 SRH 수명은 실험 트렌드와 밀도적으로 일치하였다.
• 온도 의존 포획 단면적을 포함함으로써 모델 정확도가 크게 향상되었으며, 그는 그림 6의 민감도 분석을 통해 입증되었다.
• 사후 분포의 마진화를 통해 이동도-수명 곱과 같은 새로운 관계가 드러났으며, 이러한 관계는 전통적 기법으로는 직접 측정할 수 없다.
• 이 방법은 완성된 장치에서 비파괴적 고속도 결함 특성 분석을 가능하게 하여, 웨이퍼나 반제품에 대한 복잡하고 시간이 오래 걸리는 분광법의 필요성을 피할 수 있다.