Disentangling the origin of degradation in perovskite solar cells via optical imaging and Bayesian inference

Cette étude emploie une approche novatrice combinant l'imagerie de photoluminescence, des simulations de dérive-diffusion et l'inférence bayésienne pour cartographier la dégradation spatialement non uniforme des cellules solaires à pérovskite, distinguant avec succès les défauts de volume et d'interface et démontrant que la passivation par l'amino-silane supprime efficacement la dégradation interfaciale.

L'essentiel

Imaginez une cellule solaire comme une ville bouillonnante où la lumière du soleil est l'apport d'énergie, et l'électricité est le trafic circulant dans les rues. Pour que cette ville fonctionne parfaitement, les « routes » (les matériaux à l'intérieur de la cellule) doivent être lisses, et les « feux de signalisation » (les interfaces où les différentes couches se rejoignent) doivent fonctionner sans faille.

Cet article traite de la compréhension exacte de pourquoi certaines de ces villes solaires commencent à s'effondrer avec le temps, et comment les réparer. Les chercheurs ont utilisé une combinaison ingénieuse de caméras de haute technologie, de simulations informatiques et d'une méthode statistique appelée « inférence bayésienne » (pensez à un détective super intelligent qui pèse tous les indices possibles pour trouver la vérité la plus probable) pour résoudre le mystère.

Voici le détail de leur découverte :

1. Le problème : La ville se dégrade de manière inégale

Lorsque les chercheurs ont laissé ces cellules solaires vieillir sous l'effet de la chaleur et de la lumière (simulant des années d'exposition au soleil en quelques semaines), ils n'ont pas seulement vu toute la ville s'aggraver légèrement. Au lieu de cela, ils ont observé un patchwork de défaillances.

• Les « zones sombres » : Certaines zones sont devenues des « villes fantômes » où l'électricité ne pouvait plus circuler.
• Les « îles lumineuses » : D'autres zones sont restées vibrantes et efficaces.
• Le mystère : Observer la ville de loin (tests standards) ne pouvait pas leur dire où se situait le problème. Est-ce la route elle-même qui s'effritait (le matériau de masse/bulk) ? Ou est-ce le feu de signalisation à l'intersection qui était cassé (l'interface entre les couches) ?

2. La solution : La caméra « Super-Détective »

Pour résoudre cela, l'équipe n'a pas seulement pris une photo ; elle a filmé la ville brillant sous différentes lumières. Ils ont ensuite injecté ces données dans un modèle informatique qui simule la façon dont l'électricité et les ions (de minuscules particules chargées) se déplacent à l'intérieur de la cellule.

En utilisant leur méthode de « détective bayésien », ils ont travaillé à rebours à partir de la lueur pour découvrir les chiffres cachés qui régissent la ville. Ils ont créé une carte pour chaque minuscule pixel de la cellule solaire, révélant :

• Combien de temps les électrons peuvent survivre avant de mourir (Durée de vie de la masse/Bulk Lifetime).
• La vitesse à laquelle les électrons sont perdus aux parois supérieure et inférieure de la ville (Vitesse de recombinaison de surface/Surface Recombination Velocity).

3. Les conclusions : Deux façons différentes de faillir

Le travail de détective a révélé que les cellules solaires échouent de deux manières très différentes, selon l'emplacement :

• La « rouille dans les routes » (Dégradation de la masse/Bulk) : Dans certaines zones, le problème venait de la route elle-même. Le matériau à l'intérieur de la cellule a commencé à se dégrader de manière inégale, créant des îlots de bon matériau entourés de mauvais matériau. C'était comme si l'asphalte se fissurait de manière aléatoire à certains endroits mais pas à d'autres.
• Le « feu de signalisation cassé » (Dégradation de l'interface) : Dans d'autres zones, plus graves, la route était intacte, mais les « feux de signalisation » au bas de la ville (là où la couche solaire rejoint la couche de transport d'électrons) étaient cassés. Cela a provoqué le blocage et la perte des électrons. Crucialement, ces défaillances ont commencé comme de minuscules points isolés, puis se sont propagées vers l'extérieur comme une tache, finissant par engloutir toute la zone.

4. La solution : La « colle moléculaire »

Les chercheurs ont testé un traitement spécial utilisant une molécule appelée amino-silane. Considérez cette molécule comme une « colle moléculaire » de haute technologie ou un « kit de réparation ».

• Ce qu'elle a fait : Elle s'est collée spécifiquement aux « feux de signalisation » au bas de la ville, scellant les fissures et réparant les connexions défectueuses.
• Le résultat : Les cellules solaires traitées n'ont pas seulement duré plus longtemps ; elles sont restées uniformes. Elles n'ont pas développé ces « taches » de défaillance qui se propagent. Les « feux de signalisation » sont restés au vert, et les routes sont restées lisses.
• La preuve : En comparant les cellules traitées aux cellules non traitées, ils ont prouvé que la raison principale de la défaillance des cellules non traitées était que ces « feux de signalisation » inférieurs s'étaient brisés. Le traitement par colle a stoppé ce mode de défaillance spécifique, maintenant la ville entière en fonctionnement fluide.

L'essentiel

Ce papier montre que les cellules solaires ne s'usent pas de manière uniforme. Elles échouent de manières spécifiques et localisées — parfois la route s'effrite, mais souvent les connexions aux bords se brisent en premier et se propagent.

En utilisant cette nouvelle méthode de « détective », les chercheurs ont pu identifier précisément quelle partie de la cellule solaire était défaillante. Ils ont ensuite prouvé qu'un traitement moléculaire spécifique agit comme une équipe de réparation ciblée, réparant le point faible le plus critique (l'interface) et empêchant l'ensemble du dispositif de s'effondrer. Cela donne aux scientifiques un nouvel outil puissant pour concevoir des cellules solaires qui ne fonctionnent pas seulement bien aujourd'hui, mais qui resteront solides pendant des années à venir.

Résumé technique

Résumé technique : Déterminer l'origine de la dégradation des cellules solaires à pérovskite via l'imagerie optique et l'inférence bayésienne

Énoncé du problème
Les cellules solaires à pérovskite (CSP) à halogénures métalliques ont atteint des rendements de conversion de puissance élevés, mais leur viabilité commerciale est entravée par des problèmes de stabilité. La dégradation des CSP est complexe, impliquant des facteurs de stress intrinsèques (lumière, chaleur, tension) et extrinsèques, et ne progresse que rarement de manière uniforme. Elle implique souvent des processus couplés entre le volume (bulk) et les interfaces, particulièrement aux interfaces pérovskite/couche de transport. Bien que les techniques d'imagerie à résolution spatiale comme la photoluminescence (PL) aient révélé une dégradation hétérogène, les méthodes précédentes manquaient de la capacité de distinguer de manière définitive les pertes de recombinaison de volume et la recombinaison spécifique à l'interface (au niveau des couches de transport d'électrons ou de trous) au sein d'un seul dispositif « mono-facial » entièrement fabriqué. Les métriques standards, telles que les cartes de séparation des niveaux de quasi-Fermi (QFLS), indiquent où la dégradation se produit, mais ne peuvent pas quantifier intrinsèquement les paramètres physiques sous-jacents (par exemple, la durée de vie de porteurs de volume vs la vitesse de recombinaison de surface) responsables des variations spatiales observées.

Méthodologie
Les auteurs introduisent un nouveau cadre qui intègre l'imagerie de photoluminescence dépendante de l'intensité avec des simulations de diffusion-dérive et l'inférence bayésienne pour extraire des paramètres physiques résolus spatialement.

1. Données expérimentales : L'étude utilise l'imagerie PL de CSP entièrement fabriquées (ITO/Me-4PACz/Pérovskite/C₆₀/BCP/Cr/Au) sous vieillissement accéléré (70 °C, lumière à spectre complet, circuit ouvert). Des dispositifs de contrôle ainsi que des dispositifs traités avec une couche de passivation d'amino-silane (AEAPTMS) ont été analysés.
2. Simulation et modélisation : Les auteurs ont utilisé le package de simulation de diffusion-dérive IonMonger, qui prend explicitement en compte les espèces ioniques mobiles. Ils ont généré une vaste base de données (table de recherche) de réponses QFLS simulées à travers différentes intensités d'illumination. Cette base de données cartographiait les permutations de quatre paramètres physiques clés vers des valeurs QFLes simulées :
   • Durée de vie des porteurs de volume ($\tau$)
   • Vitesse de recombinaison de surface à l'interface de la couche de transport d'électrons ($SRV_{ETL}$)
   • Vitesse de recombinaison de surface à l'interface de la couche de transport de trous ($SRV_{HTL}$)
   • Densité de lacunes ioniques ($N_0$)
3. Inférence bayésienne : Au lieu d'un ajustement traditionnel, l'équipe a appliqué l'inférence bayésienne sur une base par pixel. En comparant les données QFLS expérimentales à la table de recherche de simulation, ils ont calculé les distributions de probabilité a posteriori pour les paramètres physiques. Cette approche gère la dégénérescence des paramètres (où plusieurs ensembles de paramètres peuvent produire des sorties similaires) en identifiant les valeurs les plus probables et leurs incertitudes.
4. Validation : Les paramètres inférés ont été validés de manière croisée par des mesures de comptage de photons uniques corrélés dans le temps (TCSPC) sur des empilements partiellement fabriqués, et comparés aux résultats précédents du même groupe concernant la passivation par AEAPTMS.

Résultats clés
L'application de cette méthodologie a produit des « cartes inférées » résolues spatialement des paramètres de recombinaison, révélant des voies de dégradation distinctes :

• Dégradation de volume hétérogène : Dans les régions « moins dégradées » des dispositifs de contrôle, l'analyse a montré que les variations spatiales de QFLS étaient principalement pilotées par les variations spatiales de la durée de vie des porteurs de volume ($\tau$). Des clusters brillants de QFLS élevé correspondaient à des régions conservant des durées de vie plus longues, tandis que les zones environnantes se dégradaient en zones de recombinaison non radiative.
• Échec catastrophique piloté par l'interface : Dans les régions « plus sévèrement dégradées », la dégradation provenait de points discrets qui s'étendaient au fil du temps. L'inférence bayésienne a identifié que ces régions étaient caractérisées par une augmentation significative de la $SRV_{ETL}$ (vitesse de recombinaison de surface à la couche de transport d'électrons), plutôt que par une dégradation de volume. Ceci a été corroboré par une chute simultanée de la qualité de collecte de charge ($Q_{col}$). L'étude note que si la $SRV_{ETL}$ a initialement légèrement diminué dans certaines zones (probablement en raison de la redistribution ionique), le mode de défaillance catastrophique était défini par une hausse brutale de la $SRV_{ETL}$.
• Rôle de la passivation AEAPTMS : Dans les dispositifs traités par AEAPTMS, les cartes inférées ont montré une uniformité spatiale remarquable. Le traitement a supprimé la formation de clusters de volume hétérogènes et, surtout, a maintenu des valeurs de $SRV_{ETL}$ faibles tout au long du processus de vieillissement. L'analyse a confirmé que le mécanisme principal de la stabilité accrue des dispositifs traités par AEAPTMS est la passivation de l'interface pérovskite/ETL, empêchant la voie de dégradation spécifique (hausse de la $SRV_{ETL}$) qui mène à la défaillance du dispositif dans les échantillons de contrôle.
• Identifiabilité des paramètres : L'étude a souligné l'utilité de l'analyse des distributions a posteriori complètes. Alors que la durée de vie de volume et la $SRV_{ETL}$ étaient bien résolues, les distributions a posteriori pour la $SRV_{HTL}$ étaient plus larges, et la densité ionique ($N_0$) ne pouvait pas être quantifiée de manière fiable par la seule QFLS dépendante de l'intensité, démontrant la capacité de la méthode à évaluer l'identifiabilité des paramètres.

Signification et revendications
L'article affirme fournir la première méthodologie robuste, résolue spatialement et statistiquement fondée, capable de déconvoluer les contributions de la recombinaison de volume, du côté ETL et du côté HTL à travers un seul dispositif photovoltaïque macroscopique sans nécessiter de mesures duales (des deux côtés).

Les auteurs affirment que cette approche :

1. Démêle les origines de la dégradation : Elle distingue avec succès la dégradation de volume et la dégradation d'interface spécifique (ETL vs HTL) dans des dispositifs entièrement fabriqués, une capacité auparavant limitée aux configurations de mesure spécialisées.
2. Quantifie la défaillance localisée : Elle va au-delà des métriques spatialement moyennées pour identifier des modes de défaillance spécifiques, tels que l'expansion des régions à haute $SRV_{ETL}$, qui sont les principaux moteurs de la défaillance catastrophique des dispositifs de contrôle.
3. Valide les mécanismes de passivation : Elle offre une confirmation quantitative, a priori, que la passivation par l'amino-silane stabilise les dispositifs principalement en supprimant la recombinaison interfaciale au niveau de l'ETL, tout en fournissant un effet secondaire de passivation de volume.
4. Accroît la valeur des données : Ce travail sert d'exemple de la manière dont l'inférence bayésienne avancée peut considérablement augmenter la valeur des données d'imagerie expérimentales, transformant des cartes qualitatives en distributions de paramètres quantitatives basées sur la physique pour accélérer la conception de matériaux énergétiques durables.