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

본 연구는 광발광 이미징, 드리프트-확산 시뮬레이션, 베이지안 추론을 결합한 새로운 접근 방식을 활용하여 페로브스카이트 태양전지의 공간적으로 불균일한 열화를 매핑함으로써 벌크 결함과 계면 결함을 성공적으로 구분하였으며, 아미노-실란 패시베이션이 계면 열화를 효과적으로 억제한다는 것을 입증하였다.

핵심

태양전지를 햇빛이 에너지 공급원이고 전기가 도로를 흐르는 교통량인 북적이는 도시라고 상상해 보세요. 이 도시가 완벽하게 작동하려면 "도로"(셀 내부의 재료)가 매끄러워야 하고, "신호등"(서로 다른 층이 만나는 계면)이 결함 없이 기능해야 합니다.

이 논문은 왜 일부 태양 도시들이 시간이 지나면서 무너지기 시작하는지, 그리고 어떻게 이를 고칠 수 있는지에 대해 밝혀내는 데 관한 것입니다. 연구진은 고성능 카메라, 컴퓨터 시뮬레이션, 그리고 "베이지안 추론"(모든 가능한 단서를 따져보아 가장 가능성 높은 진실을 찾아내는 매우 똑똑한 탐정이라고 생각하세요)이라는 통계적 방법을 결합하여 이 미스터리를 해결했습니다.

연구 결과의 요약은 다음과 같습니다.

1. 문제점: 도시가 불균일하게 퇴화함

연구진이 열과 빛(몇 주 만에 수년 동안의 햇빛 노출을 시뮬레이션함) 아래에서 이 태양전지들이 노화되는 과정을 관찰했을 때, 도시 전체가 조금씩 나빠지는 것이 아니라, 마치 조각보처럼 불규칙한 실패 양상을 보였습니다.

• "어두운 지점(Dark Spots)": 어떤 구역은 전기가 흐를 수 없는 "유령 도시"로 변했습니다.
• "밝은 섬(Bright Islands)": 다른 구역은 여전히 활기차고 효율적이었습니다.
• 미스터리: 멀리서 도시를 바라보는 것(표준 테스트)만으로는 어디에 문제가 있는지 알 수 없었습니다. 도로 자체가 무너지고 있는 것일까요(벌크 재료)? 아니면 교차로의 신호등이 고장 난 것일까요(층 사이의 계면)?

2. 해결책: "슈퍼 탐정" 카메라

이를 해결하기 위해 연구팀은 단순히 사진을 찍는 것이 아니라, 서로 다른 빛 아래에서 빛나는 도시의 영상을 촬영했습니다. 그런 다음 이 데이터를 전기에너지와 이온(작은 전하 입자)이 셀 내부에서 어떻게 이동하는지를 시뮬레이션하는 컴퓨터 모델에 입력했습니다.

그들의 "베이지안 탐정" 방법을 사용하여, 연구진은 빛으로부터 역추적하여 도시를 지배하는 숨겨진 수치들을 찾아냈습니다. 그들은 태양전지의 모든 아주 작은 픽셀마다 지도를 만들어 다음을 밝혀냈습니다:

• 전자가 소멸하기 전까지 얼마나 오래 생존할 수 있는지 (벌크 수명, Bulk Lifetime)
• 전자가 도시의 상단과 하단 벽에서 얼마나 빨리 손실되는지 (표면 재결합 속도, Surface Recombination Velocity)

3. 발견: 두 가지 서로 다른 실패 방식

탐정 작업 결과, 태양전지는 위치에 따라 두 가지 매우 다른 방식으로 실패한다는 것이 드러났습니다.

• "도로의 녹(Rust in the Roads)" (벌크 퇴화, Bulk Degradation): 어떤 구역에서는 도로 자체가 문제였습니다. 셀 내부의 재료가 불균일하게 퇴화하면서, 좋은 재료 주변에 나쁜 재료가 배치된 섬들을 만들어냈습니다. 이는 마치 아스팔트가 어떤 곳은 무작위로 갈라지고 어떤 곳은 멀쩡한 것과 같았습니다.
• "고장 난 신호등" (계면 퇴화, Interface Degradation): 다른 더 심각한 구역에서는 도로는 괜찮았지만, 도시의 바닥(태양층이 전자 수송층과 만나는 지점)에 있는 "신호등"이 고장 났습니다. 이로 인해 전자가 갇히고 손실되었습니다. 결정적으로, 이러한 실패는 아주 작고 고립된 점들에서 시작되어 얼룩처럼 바깥쪽으로 퍼져 나가며 결국 해당 구역 전체를 집어삼켰습니다.

4. 해결책: "분자 접착제"

연구진은 **아미노-실란(amino-silane)**이라는 분자를 사용한 특수 처리를 테스트했습니다. 이 분자를 고성능 "분자 접착제" 또는 "패치 키트"라고 생각하세요.

• 역할: 이 분자는 도시 바닥의 "신호등"에 특이적으로 달라붙어 균열을 봉쇄하고 끊어진 연결을 수리했습니다.
• 결과: 처리된 태양전지는 단순히 더 오래 지속될 뿐만 아니라, 균일함을 유지했습니다. 실패의 "얼룩"이 퍼져 나가는 현상이 나타나지 않았습니다. "신호등"은 계속 초록불을 유지했고 도로도 매끄럽게 유지되었습니다.
• 증거: 처리된 셀과 처리되지 않은 셀을 비교함으로써, 연구진은 처리되지 않은 셀이 실패한 주요 원인이 바로 저 바닥의 "신호등"이 고장 났기 때문이라는 것을 증명했습니다. 접착제 처리는 이 특정 실패 모드를 차단하여 도시 전체가 원활하게 돌아가도록 유지했습니다.

핵심 요약

이 논문은 태양전지가 단순히 "균일하게 마모되는" 것이 아님을 보여줍니다. 태양전지는 특정되고 국지적인 방식으로 실패합니다. 때로는 도로가 무너지기도 하지만, 종종 가장자리(계면)의 연결 부위가 먼저 끊어지며 퍼져 나갑니다.

이 새로운 "탐정" 방법을 사용하여, 연구진은 태양전지의 어느 부분이 실패하고 있는지를 정확히 짚어낼 수 있었습니다. 그런 다음 그들은 특정 분자 처리가 가장 치명적인 약점(계면)을 수리하는 표적 수리팀 역할을 하여 장치의 붕괴를 막는다는 것을 입증했습니다. 이는 과학자들이 오늘날 잘 작동할 뿐만 아니라, 앞으로 수년간 강하게 버틸 수 있는 태양전지를 설계할 수 있는 강력한 도구를 제공합니다.

기술 요약

기술 요약: 광학 이미징과 베이지안 추론을 통한 페로브스카이트 태양전지 열화 기원의 분리

문제 정의
금속 할라이드 페로브스카이트 태양전지(PSC)는 높은 광전 변환 효율을 달alog성했으나, 안정성 문제로 인해 상업적 생존력이 저해되고 있다. PSC의 열화는 복합적이며, 내재적 스트레스 요인(빛, 열, 전압)과 외재적 요인이 결합되어 나타나며, 결코 균일하게 진행되지 않는다. 이는 주로 벌크(bulk) 및 계면 프로세스의 결합된 형태를 띠며, 특히 페로브스카이트/수송층 계면에서 두드러진다. PL(광발광)과 같은 공간 해상도 이미징 기술은 불균일한 열화를 보여주었으나, 기존 방식으로는 단일한 완전 제작된 "단면적(mono-facial)" 소자 내에서 벌크 재결합 손실과 계면 특이적 재결합(전자 또는 정공 수송층에서의 재결합)을 확정적으로 구별하는 데 한계가 있었다. QFLS(준-페르미 준위 분리) 맵과 같은 표준 지표는 열화가 어디서 발생하는지는 나타내지만, 관찰된 공간적 변화를 일으키는 근본적인 물리적 파라미터(예: 벌크 수명 대 표면 재결합 속도)를 본질적으로 정량화할 수는 없다.

방법론
저자들은 강도 의존적 광발광 이미징을 드리프트-확산 시뮬레이션 및 베이지안 추론과 통합하여, 공간 해상도를 가진 물리적 파라미터를 추출하는 새로운 프레임워크를 소개한다.

1. 실험 데이터: 본 연구는 가속 노화 조건(70°C, 전스펙트럼 태양광, 개방 회로) 하에서 완전히 제작된 PSC(ITO/Me-4PACz/Perovskite/C₆₀/BCP/Cr/Au)의 PL 이미징을 활용한다. 대조군 소자와 아미노-실란(AEAPTMS) 패시베이션 층이 처리된 소자를 모두 분석하였다.
2. 시뮬레이션 및 모델링: 저자들은 이동성 이온 종을 명시적으로 고려하는 IonMonger 드리프트-확산 시뮬레이션 패키지를 사용하였다. 이들은 다양한 조도 강도에 따른 시뮬레이션된 QFLS 응답을 생성하여 대규모 데이터베이스(룩업 테이블)를 구축하였다. 이 데이터베이스는 네 가지 핵심 물리적 파라미터의 조합을 시뮬레이션된 QFLS 값에 매핑하였다:
   • 벌크 캐리어 수명 ($\tau$)
   • 전자 수송층(ETL) 계면에서의 표면 재결합 속도 ($SRV_{ETL}$)
   • 정공 수송층(HTL) 계면에서의 표면 재결합 속도 ($SRV_{HTL}$)
   • 이온 공석 밀도 ($N_0$)
3. 베이지안 추론: 전통적인 피팅 대신, 연구팀은 픽셀 단위로 베이지안 추론을 적용하였다. 실험적 QFLS 데이터를 시뮬레이션 룩업 테이블과 비교함으로써, 물리적 파라미터에 대한 사후 확률 분포를 계산하였다. 이 접근 방식은 여러 파라미터 세트가 유사한 출력을 생성할 수 있는 파라미터 퇴화(degeneracy) 문제를 처리하며, 가장 확률이 높은 값과 그 불확실성을 식별한다.
4. 검증: 추론된 파라미터는 부분 제작된 스택에 대한 TCSPC(시간 상관 단일 광자 계수) 측정법을 통해 교차 검증되었으며, 동일 연구 그룹의 AEAPTMS 패시베이션 관련 이전 연구 결과와 비교되었다.

주요 결과
이 방법론의 적용은 다음과 같은 차별화된 열화 경로를 드러내는 공간 해상도 "추론 맵"을 산출하였다:

• 불균일한 벌크 열화: 대조군 소자의 "열화가 덜 진행된" 영역에서, 분석 결과 QFLS의 공간적 변화는 주로 벌크 캐리어 수명($\tau$)의 공간적 변화에 의해 주도되었다. 높은 QFLS를 보이는 밝은 클러스터는 긴 수명을 유지하는 영역에 해당하며, 주변 영역은 비방사 재결합 존으로 열화되었다.
• 계면 주도형 치명적 실패: "더 심하게 열화된" 영역에서는 특정 지점에서 시작되어 시간이 지남에 따라 확장되는 열화가 관찰되었다. 베이지안 추론은 이 영역들이 벌크 열화보다는 $SRV_{ETL}$(전자 수송층 측 표면 재결합 속도)의 상당한 증가에 의해 특징지어진다는 것을 식별하였다. 이는 전하 수집 품질($Q_{col}$)의 동시 저하와도 일치하였다. 연구는 일부 영역에서 $SRV_{ETL}$이 약간 감소했을 수 있으나(이온 재분포로 인해), 치명적 실패 모드는 $SRV_{ETL}$의 급격한 상승에 의해 정의된다고 언급하였다.
• AEAPTMS 패시베이션의 역할: AEAPTMS 처리를 받은 소자에서는 추론된 맵이 놀라운 공간적 균일성을 보였다. 이 처리는 불균일한 벌크 클러스터 형성을 억제하였고, 결정적으로, 열화 과정 전반에 걸쳐 낮은 $SRV_{ETL}$ 값을 유지하였다. 분석 결과, AEAPTMS 처리된 소자의 안정성 향상의 주요 메커니즘은 페로브스카이트/ETL 계면을 패시베이션하여 제어 샘플에서 소자 실패를 유도하는 특정 열화 경로($SRV_{ETL}$ 상승)를 방지하는 것임을 확인하였다.
• 파라미터 식별 가능성: 본 연구는 전체 사후 분포를 분석하는 것의 유용성을 강조하였다. 벌크 수명과 $SRV_{ETL}$은 잘 분리되었으나, $SRV_{HTL}$에 대한 사후 분포는 더 넓었으며, 이온 밀도($N_0$)는 강도 의존적 QFLS만으로는 신뢰성 있게 정량화할 수 없었다. 이는 방법론의 파라미터 식별 능력을 입증한다.

의의 및 주장
본 논문은 단일 거시적 태양전자 소자 전반에 걸쳐 이중 측면 측정을 요구하지 않고도 벌크, ETL 측, HTL 측 재결합의 기여도를 분리해 낼 수 있는 최초의 견고하고, 공간 해상도를 가지며, 통계적으로 근거가 확실한 방법론을 제공한다고 주장한다.

저자들은 이 접근 방식이 다음을 수행한다고 단언한다:

1. 열화 기원의 분리: 제어 샘플의 특수한 측정 설정 없이도, 완전 제작된 소자 내에서 벌크 열화와 특정 계면 열화(ETL vs HTL)를 성공적으로 구분한다.
2. 국부적 실패의 정량화: 단순한 공간 평균 지표를 넘어, 제어 샘플의 주요 동력인 고-$SRV_{ETL}$ 영역의 확장과 같은 구체적인 실패 모드를 식별한다.
3. 패시베이션 메커니즘의 검증: 아미노-실란 패시베이션이 (이차적인 벌크 패시베이션 효과와 더불어) 주로 ETL에서의 계면 재결합을 억제함으로써 소자를 안정화한다는 것을 정량적이고 선험적으로 확인한다.
4. 데이터 가치 증대: 본 연구는 고급 베이지안 추론이 어떻게 실험적 이미징 데이터의 가치를 크게 높여, 질적인 맵을 물리 기반의 정량적 파라미터 분포로 변환하고 내구성이 있는 에너지 소재 설계를 가속화할 수 있는지 보여주는 모범 사례 역할을 한다.