太阳能电池研究新突破：发现未来材料！

太阳能电池研究新突破：发现未来材料！

萨尔大学的科学家开发了一种分析粗糙硅表面的创新方法，这对于光伏技术尤为重要。这种新颖的方法结合了原子力显微镜 (AFM) 和 X 射线光电子能谱 (XPS) 来精确分析表面粗糙度。该方法主要用于黑硅，这是一种纳米结构的硅表面，在太阳能电池的效率中发挥着重要作用。该研究结果发表在《SmallMethods》杂志上 萨尔大学 报道称。

该方法的开发是由物理学教授 Karin Jacobs 及其来自德国航空航天中心 (DLR) 的同事领导的团队推动的。该研究的中心目标是纠正由表面粗糙度引起的误差。 XPS 被认为是确定表面化学成分的既定方法，但事实证明，它在黑硅等粗糙表面上容易变形。结合 AFM 测量来准确确定表面形貌，避免了传统上对氧化层厚度的高估。

闵可夫斯基张量的使用

这种改进分析的关键在于使用闵可夫斯基张量，它可以精确确定表面的局部斜率。这为更准确地测定黑硅上的氧化层厚度创造了条件，黑硅上的氧化层厚度仅比传统硅片上的原生氧化层厚50％至80％。如果没有 AFM 数据的校正，厚度的高估可能约为 300%。表面分析技术的进步对于材料研究以及光伏、光电子和纳米技术领域新技术的开发至关重要。

该研究由德国研究基金会 (DFG) 资助，作为优先计划 SPP 2265 和合作研究中心 SFB 1027 的一部分。这项资助强调了这项工作对于可再生能源领域材料未来发展的重要性，进一步提高太阳能电池的效率迫切需要这项工作。

材料开发的新方法

与此同时，埃尔兰根-纽伦堡弗里德里希-亚历山大大学 (FAU)、埃尔兰根-纽伦堡亥姆霍兹研究所和卡尔斯鲁厄理工学院 (KIT) 的科学家正在研究一种新的工作流程，以寻找用于钙钛矿太阳能电池的高性能材料。报告称，这种方法将计算建模和自主合成平台与量子理论计算相结合，以预测适当的材料化合物并执行自动化测试 福德 。

这项由 Christoph Brabec 教授领导的研究向以前基于反复试验的方法宣战。相反，采用混合方法，使用机器学习 (ML) 来预测分子结构和特性。大约 100 个分子被用来训练模型，这使得识别最强大的候选材料成为可能，效率高达 24%。这些值大大超过了之前 22% 的参考值。

总的来说，这些研究项目展示了现代技术和创新方法如何协同工作以显着提高太阳能电池的性能。通过使用能够实现更精确测量和有针对性的材料开发的方法，光伏发电将得到加强和进一步发展，成为未来能源生产的核心技术。