Table of Contents

Введение: роль квантового моделирования в органической фотоэлектрике

Органические солнечные элементы (ОСК) стали легкой, гибкой и потенциально недорогой альтернативой обычным кремниевым фотоэлектрическим элементам. Несмотря на недавнюю эффективность преобразования энергии, превышающую 20% в лабораторных устройствах, дальнейшие улучшения зависят от глубокого понимания того, как электрические заряды движутся через органический активный слой. Транспорт заряда - миграция электронов и дырок после поглощения света - непосредственно контролирует фактор заполнения устройства, ток короткого замыкания и общую эффективность. Квантовое механическое моделирование обеспечивает необходимую информацию в атомном масштабе для прогнозирования и оптимизации этого транспорта, направляя синтез новых материалов и архитектур устройств.

В отличие от кристаллических неорганических полупроводников, органические материалы состоят из молекул, удерживаемых вместе слабыми силами Ван-дер-Ваальса. Заряды перескакивают между локализованными молекулярными состояниями, а не перемещаются в расширенных диапазонах. Этот механизм перескакивания очень чувствителен к молекулярной упаковке, энергетическому расстройству и динамическим колебаниям. Квантовые механические модели, начиная от функциональной теории плотности (DFT) до функций неравновесного Грина (NEGF), позволяют исследователям вычислять скорости передачи заряда, мобильность и влияние морфологии - все это без необходимости дорогостоящего синтеза проб и ошибок. В этой статье рассматриваются ключевые квантово-механические методы, используемые сегодня, их практическое применение, текущие ограничения и новые стратегии, которые обещают ускорить разработку органических солнечных элементов следующего поколения.

Основы зарядки транспорта в органических полупроводниках

Чтобы понять, почему квантовое моделирование необходимо, оно помогает сначала понять основные физические процессы в органическом солнечном элементе. Когда свет поглощается, образуется экситон (связанная пара электрон-дыра). Этот экситон диффундирует к интерфейсу донора-акцептора, где он диссоциирует в состояние переноса заряда и в конечном итоге в свободные заряды. Разделенный электрон и дырка затем должны путешествовать к своим соответствующим электродам - путешествие, которое может охватывать от десятков до сотен нанометров через неупорядоченные молекулярные сети.

Транспортировка заряда в органических твердых телах обычно описывается двумя режимами:

  • Пункт-подобный транспорт — наблюдается в высокоупорядоченных кристаллах при низкой температуре, где заряды движутся как делокализованные волны. Это редко встречается в OSC из-за внутреннего расстройства.
  • Перенос на оптоволокно — доминирующий режим, при котором заряды туннелей или тепловой активируются между локализованными состояниями. Скорость каждого перепрыжка зависит от электронной связи между молекулами (трансферного интеграла) и энергии реорганизации, необходимой для деформации молекулярной геометрии при зарядке.

Квантово-механические методы непосредственно вычисляют эти ключевые параметры. Например, DFT может вычислить интеграл передачи Vab между двумя молекулами в заданной конфигурации, в то время как зависящий от времени DFT (TD-DFT) может оценить энергии реорганизации. С этими значениями мобильность носителей заряда может быть предсказана с помощью теории Маркуса или более продвинутых кинетических симуляций Монте-Карло (KMC), которые включают эффекты беспорядка, температуры и электрического поля.

Понимание взаимодействия между молекулярной структурой и транспортными свойствами является центральной целью квантового моделирования в этой области.

Ключевые методы квантового механического моделирования

Теория функциональных плотностей (DFT) для электронной структуры

DFT является рабочей лошадкой вычислительной материаловедения. Она решает уравнение Шрёдингера с помощью приближения функциональной корреляции обмена, обеспечивая плотность и энергию электронов в основном состоянии при умеренных вычислительных затратах. В контексте органических солнечных элементов DFT используется для:

  • Оптимизируйте молекулярную геометрию в нейтральных и заряженных состояниях.
  • Вычислить потенциалы ионизации (IP) и электронное сродство (EA) для определения выравнивания уровня энергии на интерфейсах донор-акцептор.
  • Рассчитайте интегралы передачи между парами молекул с использованием димерного пограничного орбитального перекрытия.
  • Оценка энергии реорганизации (λ) из адиабатических потенциальных энергетических поверхностей.

Общие функции для органических полупроводников включают B3LYP, PBE0 и гибриды с разделением диапазона, такие как CAM-B3LYP, которые лучше справляются с возбужденными состояниями переноса заряда. Однако DFT часто недооценивает разрывы в полосах и может бороться с взаимодействиями Ван-дер-Ваальса, поэтому часто применяются коррекции дисперсии (DFT-D3, DFT-D4). Несмотря на эти приближения, DFT обеспечивает надежный первый инструмент скрининга для новых молекулярных конструкций.

Подробный обзор приложений DFT в органической электронике см. в обзоре Oberhofer et al. в Chemical Reviews (2015).

Функция неравновесного зеленого (NEGF) для моделирования устройств

В то время как DFT описывает изолированные молекулы или периодические кристаллы, реальные устройства работают при приложенном смещении и содержат интерфейсы с электродами. Формализм NEGF, часто сочетающийся с DFT, моделирует квантовый транспорт в открытых системах. Он рассматривает устройство как центральную область рассеяния, связанную с двумя полубесконечными выводами (электродами) и вычисляет поток тока под конечным напряжением с помощью структуры Ландауера-Бюттикера.

В органических солнечных элементах NEGF-DFT используется для изучения:

  • Зарядка впрыска барьеров на металлических/органических интерфейсах.
  • Характеристики токового напряжения молекулярных соединений.
  • Влияние молекулярных диполей и интерфейсных диполей на транспорт.

Основным ограничением является вычислительная стоимость: NEGF требует плотной k -точечной выборки и сотни энергетических точек для функции передачи. Кроме того, он обычно предполагает когерентный (баллистический) транспорт, который не всегда действителен в неупорядоченных органических системах, где доминирует рассеяние. Тем не менее, NEGF обеспечивает ценную информацию о физике интерфейса, которая не может быть захвачена только DFT. Последние достижения включают в себя включение электронно-фононной связи через самоэнергию, переход к режиму перескакивания.

Теория функциональной плотности, зависящая от времени (TD-DFT) для динамики

Транспорт заряда по своей сути является процессом, зависящим от времени. TD-DFT расширяет DFT в область времени, позволяя имитировать динамику электронов под внешними возмущениями. Он может моделировать:

  • Формирование экситона и динамика диссоциации после фотовозбуждения.
  • Ультрабыстрая передача заряда на интерфейсах донор-акцептор (часто в пределах 100 fs).
  • Неадиабатическая молекулярная динамика, где ядерное движение связано с электронными переходами.

TD-DFT в реальном времени (RT-TDDFT) распространяет уравнения Кона-Шама во времени, давая разрешённую во времени плотность заряда и ток. Этот метод является вычислительно интенсивным, но может выявить механизмы разделения зарядов, которые невидимы для статических вычислений. Например, RT-TDDFT показал, что когерентные вибронные связи могут облегчить перенос заряда на большие расстояния даже в системах со слабой электронной связью.

Для практического введения см. работу Bai et al. в npj Computational Materials (2022) по TD-DFT-моделированию динамики заряда в органических фотоэлектрических смесях.

Теория Маркуса и кинетический Монте-Карло (KMC) для макроскопической мобильности

В то время как квантовые методы обеспечивают параметры молекулярного уровня, прогнозирование макроскопической мобильности требует статистической модели многих прыжков через неупорядоченную морфологию. Теория Маркуса, полученная из полуклассической теории переноса электронов, дает скорость k ij для заряда, чтобы прыгать от молекулы i к молекуле j как:

kijkTkBT]

где Vij является передаточной интегралой (от DFT), λ — энергия реорганизации, а ΔGij — разность свободной энергии. Эти скорости питаются в кинетические модели Монте-Карло, которые развивают носитель заряда посредством 3D-морфологии молекул — часто генерируемых молекулярной динамикой (MD) — отслеживая его траекторию при дрейфе и диффузии. Полученную мобильность можно затем сравнить с экспериментальными измерениями, такими как характеристика транзистора времени полета или полевого эффекта.

Этот многомасштабный подход (DFT → Marcus rate → KMC) стал стандартным рабочим процессом в органической электронике. Однако он опирается на такие приближения, как предположение о гармонических ядерных колебаниях и пренебрежение динамическим расстройством за пределами усреднения температуры. Недавние усилия включают ядерные квантовые эффекты и алармонию для повышения точности.

Как квантовое моделирование направляет материальный дизайн

Конечная цель квантово-механического моделирования заключается не только в воспроизведении экспериментальных данных, но и в обеспечении правил проектирования новых молекул и условий обработки.

  • Идентификация высокомобильных молекулярных ядер.] С помощью скрининга сотен сополимеров-доноров-акцепторов с использованием теории ДФТ и Маркуса исследователи определили структурные мотивы (например, тиенотиофеновые единицы), которые увеличивают интегралы передачи и уменьшают энергию реорганизации, что приводит к прогнозируемым значениям мобильности выше 10 см2/В·с.
  • Оптимизация боковой цепи.] Алкильные боковые цепи влияют на молекулярную упаковку и диэлектрическую среду. Квантовые расчеты могут предсказать, как длина боковой цепи и ветвление влияют на межмолекулярную электронную связь, направляя синтетических химиков к оптимальному выбору.
  • Разработка нефуллереновых акцепторов (NFAs).] Появление NFA, таких как ITIC и Y6, повысило эффективность OSC выше 18%. Квантовое моделирование показало, что сильный внутримолекулярный перенос заряда и расширенная π-конъюгация в этих молекулах способствуют как поглощению, так и переносу электронов. Дальнейшие вычислительные исследования в настоящее время используются для настройки уровней энергии и энергии реорганизации.
  • Понимание роли молекулярной ориентации. Упаковка поверхностей резко изменяет подвижность заряда перпендикулярно подложке. Моделирование димерных ориентаций на основе DFT в полиморфах помогает рационализировать, почему определенные условия обработки (например, тепловое отжиг) улучшают производительность устройства.

Кроме того, квантовое моделирование может предсказать последствия дефектов, таких как химические примеси или смещенные молекулы. Например, одна молекула воды, захваченная на границе зерна, может действовать как ловушка заряда, снижая мобильность. Расчеты DFT могут оценивать глубины ловушки и консультировать по стратегиям очистки.

Вычислительные и физические проблемы

Несмотря на свою мощность, квантово-механическое моделирование переноса заряда в органических солнечных элементах сталкивается со значительными препятствиями:

Конформационное и морфологическое расстройство

Органические материалы по своей природе неупорядочены. Моделирование молекулярной динамики может генерировать реалистичные морфологии, но полученные структуры содержат от тысяч до миллионов атомов. Применение DFT ко всем молекулам в такой большой системе трудноразрешимо. Исследователи часто используют методы на основе фрагментов (например, фрагментарный орбитальный подход) или машинно-обученные силовые поля для ускорения вычислений без ущерба для точности.

Экологические и динамические эффекты

На заряды в органических твердых телах влияет колеблющийся электростатический потенциал от окружающих молекул — так называемое «расстройство энергии участка». Это расстройство является динамическим и зависит от молекулярных колебаний и теплового движения. Статические снимки DFT пропускают эти колебания, которые могут расширить плотность состояний и повлиять на скорость скачков. Включение ядерной динамики через молекулярную динамику ab initio (AIMD) или интегральные методы пути вычислительно дорого, но необходимо для количественных предсказаний.

Квантовые ядерные эффекты

При комнатной температуре ядерные квантовые эффекты (например, энергия нулевой точки, туннелирование) могут быть важны для легких атомов, таких как водород в боковых цепях. Стандартная теория Маркуса относится к ядрам классически. Недавние работы с использованием молекулярной динамики кольца-полимера или методов интегрального пути показали, что ядерное туннелирование может повышать скорость передачи заряда на порядок при низких движущих силах.

Расчетные затраты и масштабирование

Для сравнения результатов DFT часто требуются высокоточные методы, такие как GW (для энергий квазичастиц) или спаренный кластер (CCSD(T)), но они плохо масштабируются с размером системы. Даже DFT с гибридными функциями становится дорогостоящим для систем с сотнями атомов. Большинство крупномасштабного моделирования, таким образом, опирается на полуэмпирические методы (например, DFTB, GFN-xTB) или подходы на основе фрагментов, сбалансированные с экспериментальной валидацией.

Будущие направления: машинное обучение и многомасштабная интеграция

Для преодоления этих проблем в этой области быстро внедряются методы машинного обучения (ML). Нейронные сети могут изучать отображение из молекулярной структуры для передачи интегралов или энергии реорганизации на основе данных обучения ab initio. После обучения модель ML может прогнозировать тысячи скоростей скачков в секундах, позволяя напрямую моделировать КМС реалистичных морфологий. Недавние примеры включают использование глубоких нейронных сетей для прогнозирования подвижности заряда в смесях донора-акцептора с точностью, сопоставимой с DFT.

Еще одним перспективным направлением является многомасштабное моделирование, которое легко интегрирует квантовые, классические и непрерывные методы. Например, можно:

  • Используйте DFT для параметризации грубозернистых силовых полей для молекулярной динамики объемной морфологии.
  • Применяйте фрагмент DFT для вычисления энергий сайта и связей для подмножества репрезентативных конфигураций.
  • Обучите суррогатного лейкоцита интерполировать всю морфологию.
  • Запустите KMC с динамическим расстройством, включив вибронную связь через спектральную плотность от DFT.
  • Наконец, подавайте мобильность в модель устройства дрейфа-диффузии, чтобы предсказать производительность устройства.

Такие интегрированные рабочие процессы уже демонстрируются для малых молекул и распространяются на полимерные системы. Всесторонний обзор этих подходов можно найти в этой перспективе (2022).

Кроме того, встраивание квантовых моделей в активные циклы обучения позволяет исследователям автономно исследовать химическое пространство. Алгоритм предполагает новые молекулярные структуры, запускает DFT, оценивает прогнозируемую мобильность и обновляет параметры проектирования - все без вмешательства человека. Эта парадигма «генеративного дизайна» уже определила перспективные нефуллереновые акцепторы, которые были синтезированы и проверены экспериментально.

Последствия для эффективности органических солнечных элементов

Точное квантово-механическое моделирование напрямую приводит к ощутимым улучшениям в производительности устройства. Путем идентификации материалов с высокой подвижностью заряда и низкими потерями рекомбинации исследователи могут увеличить коэффициент заполнения (FF) и ток короткого замыкания (J]sc. Например, рост нефуллереновых акцепторов частично руководствовался вычислительным скринингом, который выделял молекулы с сильной абсорбцией и сбалансированной подвижностью электронов/дыр. За последние пять лет OSC подскочили с ~12% эффективности до более 20%, и квантовое моделирование сыграло вспомогательную роль во многих из этих прорывов.

Кроме того, моделирование помогает понять компромиссы между морфологией и транспортом. Материал может иметь отличную внутреннюю мобильность, но плохую производительность, если он образует неблагоприятную фазовую сегрегацию. Квантово-информированное моделирование КМС может предсказать, как добавки для обработки или графики отжига влияют на пути перколяции заряда, что позволяет рационально оптимизировать протоколы изготовления.

Помимо эффективности, моделирование также предсказывает стабильность в условиях эксплуатации. Путем моделирования механизмов деградации, таких как фотоокисление или образование ловушек из-за димеризации, квантовые методы могут направлять проектирование более прочных органических полупроводников, что является критическим шагом на пути к коммерческой жизнеспособности.

Заключение

Квантово-механическое моделирование переноса зарядов в органических солнечных элементах превратилось из академического любопытства в практический инструмент для ускорения открытия материалов. Такие методы, как DFT, NEGF, TD-DFT и теория Маркуса, обеспечивают согласованную основу для понимания того, как молекулярная структура и морфология управляют электронным движением. Проблемы беспорядка, динамики и вычислительных затрат решаются с помощью машинного обучения и многомасштабной интеграции, обещая более быстрые и точные прогнозы. По мере того, как область продолжает развиваться, квантовое моделирование останется незаменимым для проектирования следующего поколения высокоэффективной, стабильной и масштабируемой органической фотоэлектрики.

Для читателей, интересующихся последними исследованиями, обзор Басслера и Кёлера в журнале Nature Reviews Materials (2023) предлагает превосходный всеобъемлющий обзор теорий переноса заряда и их применения к органическим полупроводникам.