Introduction : Le rôle de la modélisation quantique dans la photovoltaïque organique

Les cellules solaires organiques (OSC) sont apparues comme une alternative légère, flexible et potentiellement peu coûteuse aux photovoltaïques classiques au silicium. Malgré les récentes économies d'énergie dépassant 20 % dans les appareils de laboratoire, les améliorations supplémentaires dépendent d'une compréhension approfondie de la façon dont les charges électriques se déplacent à travers la couche active organique. Transport de charge – migration des électrons et des trous après absorption de la lumière – contrôle directement le facteur de remplissage des appareils, le courant de court-circuit et l'efficacité globale.

Contrairement aux semi-conducteurs inorganiques cristallins, les matériaux organiques sont composés de molécules tenues par des forces faibles de van der Waals. Les charges sautent entre des états moléculaires localisés plutôt que de se déplacer en bandes étendues. Ce mécanisme de saut est très sensible à l'emballage moléculaire, au désordre énergétique et aux fluctuations dynamiques. Les modèles mécaniques quantiques, allant de la théorie fonctionnelle de densité (DFT) aux fonctions non-équilibre Green , permettent aux chercheurs de calculer les taux de transfert de charge, la mobilité et l'influence de la morphologie, sans avoir besoin d'une synthèse coûteuse d'essais et d'erreurs.

Principes fondamentaux du transport de charge dans les semi-conducteurs organiques

Pour comprendre pourquoi la modélisation quantique est indispensable, elle aide à comprendre d'abord les processus physiques de base d'une cellule solaire organique. Lorsque la lumière est absorbée, un exciton (une paire de trous d'électron liés) se forme. Cet exciton se diffuse à une interface donneur-accepteur, où il se dissocie en un état de transfert de charge et éventuellement en charges libres. L'électron et le trou séparés doivent alors se rendre à leurs électrodes respectives – un voyage qui peut s'étendre sur des dizaines à des centaines de nanomètres à travers des réseaux moléculaires désordonnés.

Le transport des charges dans les matières organiques solides est généralement décrit par deux régimes:

  • Transport en forme de bande – observé dans des cristaux hautement ordonnés à basse température, où les charges se déplacent sous forme d'ondes délocalisées.
  • Transport de houblon – régime dominant, où charge le tunnel ou l'activation thermique entre états localisés. Le taux de chaque houblon dépend du couplage électronique entre les molécules (transfert intégral) et l'énergie de réorganisation nécessaire pour déformer la géométrie moléculaire lors de la charge.

Par exemple, DFT peut calculer l'intégrale de transfert Vabentre deux molécules dans une configuration donnée, tandis que DFT (TD-DFT) peut estimer les énergies de réorganisation. Avec ces valeurs, la mobilité du porteur de charge peut être prédite en utilisant la théorie de Marcus ou des simulations cinétiques plus avancées de Monte Carlo (KMC) qui intègrent des troubles, la température et les effets de champ électrique.

Comprendre l'interaction entre la structure moléculaire et les propriétés de transport est l'objectif central de la modélisation quantique dans ce domaine.

Techniques clés de modélisation mécanique quantique

Théorie fonctionnelle de densité (DFT) pour la structure électronique

DFT est le cheval de travail de la science des matériaux informatiques. Il résout l'équation de Schrödinger à plusieurs électrons en approximant la corrélation d'échange fonctionnelle, produisant des densités et des énergies d'électrons au sol à un coût de calcul modéré.

  • Optimiser les géométries moléculaires en états neutres et chargés.
  • Les potentiels d'ionisation (IP) et les affinités d'électrons (EA) pour déterminer l'alignement du niveau d'énergie aux interfaces donneur-accepteur.
  • Calculer les intégrales de transfert entre paires de molécules en utilisant le chevauchement orbital de la frontière dimère.
  • Évaluer les énergies de réorganisation (λ) à partir des surfaces énergétiques potentielles adiabatiques.

Les fonctions communes pour les semi-conducteurs organiques comprennent B3LYP, PBE0 et hybrides séparés de gamme comme CAM-B3LYP, qui mieux gérer les états excités charge-transfert. Cependant, DFT sous-estime souvent les écarts de bande et peut lutter avec les interactions van der Waals, de sorte que les corrections de dispersion (DFT-D3, DFT-D4) sont fréquemment appliquées.

Pour un aperçu détaillé des applications de DFT en électronique organique, voir l'examen par Oberhofer et al. dans Revue chimique (2015).

Fonction non-équilibraire Green , pour simulations de dispositifs

Alors que DFT décrit des molécules isolées ou des cristaux périodiques, les appareils réels fonctionnent sous un biais appliqué et contiennent des interfaces avec des électrodes. Le formalisme NEGF, souvent combiné avec DFT, modélise le transport quantique dans des systèmes ouverts. Il traite l'appareil comme une région de diffusion centrale connectée à deux fils semi-infinis (les électrodes) et calcule le flux de courant sous tension finie en utilisant le cadre Landauer-Büttiker.

Dans les cellules solaires organiques, le NEGF-DFT est utilisé pour étudier:

  • Charger les barrières d'injection aux interfaces métal/organique.
  • Caractéristiques de tension actuelle des jonctions moléculaires.
  • Effet des dipôles moléculaires et des dipôles d'interface sur le transport.

La principale limite est le coût de calcul : le GENF nécessite un échantillonnage dense k-point et des centaines de points d'énergie pour la fonction de transmission. De plus, il suppose généralement un transport cohérent (ballistique), qui n'est pas toujours valable dans les systèmes organiques désordonnés où la diffusion domine. Néanmoins, le GENF fournit des informations précieuses sur la physique des interfaces qui ne peuvent être capturées par le seul GENF.

Théorie fonctionnelle de densité de temps (TD-DFT) pour Dynamique

Le transport de charge est intrinsèquement un processus dépendant du temps. TD-DFT étend le DFT dans le domaine du temps, permettant la simulation de la dynamique électronique sous perturbations externes.

  • Dynamique de formation et de dissociation après photoexcitation.
  • Transfert de charge ultrarapide aux interfaces donneur-accepteur (souvent dans les 100 fs).
  • Dynamique moléculaire non adiabatique où le mouvement nucléaire est couplé à des transitions électroniques.

La TD-DFT (RT-TDDFT) propage les équations de Kohn-Sham en temps réel, ce qui donne une densité de charge et un courant résolus dans le temps. Cette technique est intensive en calcul mais peut révéler des mécanismes de séparation de charge invisibles aux calculs statiques. Par exemple, la RT-TDDFT a montré que des couplages vibroniques cohérents peuvent faciliter le transfert de charge à longue distance même dans les systèmes à couplage électronique faible.

Pour une introduction pratique, voir les travaux de Bai et al. dans npj Computational Materials (2022) sur les simulations TD-DFT de la dynamique de charge dans les mélanges photovoltaïques organiques.

Théorie Marcus et Monte Carlo cinétique (KMC) pour la mobilité macroscopique

Alors que les méthodes quantiques fournissent des paramètres de niveau moléculaire, prédire la mobilité macroscopique nécessite un modèle statistique de plusieurs houblons par une morphologie désordonnée. La théorie de Marcus, dérivée de la théorie du transfert d'électrons semi-classique, donne la vitesse kij pour une charge à sauter de la molécule i à la molécule j comme:

kijj = (2π/=]]V[ij2[1/ √(4πλ]k[]B]T[)) ex[-[Δ]G[[ij+λ]]]2/]k[]B][T[

où Vij est l'intégrale du transfert (de DFT), λ est l'énergie de réorganisation, et ΔG[ij est la différence d'énergie libre. Ces vitesses alimentent les simulations cinétiques Monte Carlo qui évoluent un porteur de charge par une morphologie 3D de molécules – souvent générées par des simulations de dynamique moléculaire (MD) – traçant sa trajectoire sous dérive et diffusion. La mobilité résultante peut alors être comparée à des mesures expérimentales comme la caractérisation du temps de vol ou des effets sur le terrain.

Cette approche à plusieurs échelles (DFT → Marcus rates → KMC) est devenue un flux de travail standard en électronique organique. Cependant, elle repose sur des approximations telles que l'hypothèse de vibrations nucléaires harmoniques et la négligence du désordre dynamique au-delà de la moyenne thermique.

Comment la modélisation quantique guide la conception du matériau

L'objectif ultime de la modélisation mécanique quantique n'est pas seulement de reproduire des données expérimentales, mais aussi de définir des règles de conception pour de nouvelles molécules et conditions de traitement.

  • Identifiant les noyaux moléculaires à haute mobilité. En criblant des centaines de copolymères donneur-accepteur à l'aide de la théorie DFT et Marcus, les chercheurs ont identifié des motifs structurels (par exemple, les unités de thienothiophene) qui augmentent les intégrales de transfert et réduisent l'énergie de réorganisation, ce qui conduit à des valeurs de mobilité prédites supérieures à 10 cm2/V·s.
  • L'ingénierie de la chaîne latérale optimisée Les chaînes latérales alkyles influencent l'emballage moléculaire et l'environnement diélectrique.Les calculs quantiques peuvent prédire comment la longueur et la ramification de la chaîne latérale affectent le couplage électronique intermoléculaire, guidant les chimistes synthétiques vers des choix optimaux.
  • Destination des accepteurs de non-fullérène (NFAs) L'avènement des NFAs comme l'ITIC et l'Y6 a poussé les gains d'efficacité de la CVMO au-dessus de 18%. La modélisation quantique a révélé que le transfert de charge intramoléculaire et la conjugaison π prolongée dans ces molécules favorisent à la fois l'absorption et le transport électronique.
  • Comprendre le rôle de l'orientation moléculaire L'emballage face-à-face contre bord-à-bord modifie considérablement la mobilité de charge perpendiculaire au substrat.Les simulations basées sur la DFT des orientations des dimères à travers les polymorphes aident à rationaliser pourquoi certaines conditions de traitement (p. ex., le recuit thermique) améliorent la performance du dispositif.

De plus, la modélisation quantique peut prédire les effets de défauts tels que les impuretés chimiques ou les molécules mal alignées. Par exemple, une molécule d'eau unique piégée à une limite de grain peut agir comme un piège de charge, réduisant la mobilité.

Défis informatiques et physiques

Malgré sa puissance, la modélisation mécanique quantique du transport de charge dans les cellules solaires organiques est confrontée à des obstacles importants:

Troubles conformaux et morphologiques

Les simulations de dynamique moléculaire peuvent générer des morphologies réalistes, mais les structures résultantes contiennent des milliers à des millions d'atomes. L'application de DFT à toutes les paires de molécules d'un système aussi grand est intractable.Les chercheurs utilisent souvent des méthodes à base de fragments (par exemple, l'approche orbitale du fragment) ou des champs de force appris par la machine pour accélérer les calculs sans sacrifier la précision.

Effets environnementaux et dynamiques

Les charges dans les solides organiques sont influencées par le potentiel électrostatique fluctuant des molécules environnantes, le trouble énergétique dit --site. - Ce trouble est dynamique et dépend des vibrations moléculaires et du mouvement thermique. Les instantanés statiques de DFT manquent ces fluctuations, qui peuvent élargir la densité des états et affecter les taux de saut.

Effets nucléaires quantiques

À la température ambiante, les effets quantiques nucléaires (par exemple, énergie zéro point, tunnelage) peuvent être importants pour les atomes de lumière comme l'hydrogène dans les chaînes latérales. La théorie standard de Marcus traite les noyaux de façon classique.

Coût de calcul et calibrage

Les méthodes à haute précision comme les énergies quasi-particules (CCSD(T)) ou les groupes couplés sont souvent nécessaires pour comparer les résultats de DFT, mais elles sont mal adaptées à la taille du système. Même les DFT avec des fonctions hybrides deviennent coûteuses pour les systèmes avec des centaines d'atomes. La plupart des modélisations à grande échelle reposent donc sur des méthodes semi-empiriques (p. ex., DFTB, GFN-xTB) ou des approches basées sur des fragments, en équilibre avec la validation expérimentale.

Orientations futures : apprentissage automatique et intégration à plusieurs échelles

Pour surmonter ces défis, le domaine adopte rapidement des techniques d'apprentissage automatique (ML). Les réseaux neuronaux peuvent apprendre à cartographier de la structure moléculaire au transfert d'intégrales ou d'énergies de réorganisation basées sur des données ab initio. Une fois formés, un modèle ML peut prédire des milliers de taux de saut en secondes, permettant des simulations directes KMC de morphologies réalistes.

Une autre orientation prometteuse est la modélisation à plusieurs échelles qui intègre sans faille les méthodes quantiques, classiques et continuelles.

  • Utilisez DFT pour paramétrer les champs de force à grains grossiers pour la dynamique moléculaire de la morphologie en vrac.
  • Appliquer le fragment DFT pour calculer les énergies et les couplages du site pour un sous-ensemble de configurations représentatives.
  • Former une porte de remplacement ML pour interpoler toute la morphologie.
  • Exécutez le KMC avec un trouble dynamique en intégrant le couplage vibronique via une densité spectrale de DFT.
  • Enfin, alimenter la mobilité dans un modèle de dispositif de diffusion dérivant pour prédire les performances de l'appareil.

Ces flux de travail intégrés sont déjà démontrés pour les petites molécules et sont étendus aux systèmes polymères. Une analyse complète de ces approches se trouve dans cette perspectiveJoule.

De plus, l'intégration de modèles quantiques dans des boucles d'apprentissage actives permet aux chercheurs d'explorer de façon autonome l'espace chimique. L'algorithme suggère de nouvelles structures moléculaires, exécute des DFT, évalue la mobilité prédite et met à jour les paramètres de conception – tous sans intervention humaine.

Incidences sur l'efficacité des cellules solaires organiques

La modélisation quantique précise se traduit directement par des améliorations tangibles de la performance des appareils. En identifiant les matériaux à mobilité de charge élevée et à faible perte de recombinaison, les chercheurs peuvent augmenter le facteur de remplissage (FF) et le courant court-circuit (J[]sc. Par exemple, la montée des accepteurs non fullérènes a été en partie guidée par un dépistage computationnel qui a mis en évidence des molécules à forte absorption et une mobilité équilibrée des électrons/trous.

De plus, la modélisation aide à comprendre les compromis entre morphologie et transport. Un matériau peut avoir une excellente mobilité intrinsèque mais de mauvaises performances si il forme une ségrégation de phase défavorable. Les simulations KMC en connaissance de cause quantique peuvent prédire comment les additifs de transformation ou les calendriers de recuit affectent les voies de percolation de charge, permettant une optimisation rationnelle des protocoles de fabrication.

Au-delà de l'efficacité, la modélisation prédit également la stabilité dans les conditions d'exploitation. En simulant des mécanismes de dégradation – comme la photo-oxydation ou la formation de pièges due à la dimérisation – les méthodes quantiques peuvent guider la conception de semi-conducteurs organiques plus durables, étape critique vers la viabilité commerciale.

Conclusion

La modélisation mécanique quantique du transport de charge dans les cellules solaires organiques est passée d'une curiosité académique à un outil pratique pour accélérer la découverte de matériaux. Les techniques telles que la théorie DFT, NEGF, TD-DFT et Marcus fournissent un cadre cohérent pour comprendre comment la structure moléculaire et la morphologie régissent le mouvement électronique. Les défis du désordre, de la dynamique et du coût computationnel sont abordés par l'apprentissage machine et l'intégration à plusieurs échelles, promettant des prédictions plus rapides et plus précises.

Pour les lecteurs intéressés par les dernières recherches, l'avis de Bässler et Köhler dans Nature Reviews Materials (2023) offre un excellent aperçu complet des théories du transport de charge et de leur application aux semi-conducteurs organiques.