QFLS在太阳能光伏研究中的应用与价值
在太阳能光伏材料研究中，准费米能级分裂(QFLS)已成为解析器件物理与优化性能的关键指标。它量化光生载流子的化学势能差异，直接揭示材料内部的辐射与非辐射复合损失。这些损失决定了太阳能电池开路电压(VOC)的极限。
QFLS的核心价值：量化能量损失与识别根源
理想情况下，QFLS数值应该与器件的外部VOC相等。但实际太阳能电池中，接触点、传输层以及材料缺陷导致电化学势损失，使得实际VOC低于理论QFLS。这种QFLS与VOC的不匹配，就是电压损失的来源。
QFLS测量直接量化辐射与非辐射复合损失，特别是非辐射复合会导致QFLS偏离其辐射极限值。这为识别电压损失根源提供依据——究竟是材料本身的体内复合，还是界面问题。
具体案例分析
锡铅钙钛矿研究：牛津大学Henry J. Snaith教授和河南大学李萌教授队在添加半胱胺酸盐酸盐(CysHCl)的研究中[1]，通过QFLS mapping(图3e)发现，添加CysHCl后锡铅钙钛矿薄膜的QFLS值提升，且空间分布更均匀。结果表明CysHCl钝化了材料缺陷，降低了非辐射复合。
器件结构优化：青岛科技大学周忠敏教授和岳芳教授团队研究增强电场对QFLS赤字的影响[2]。图1d展示不同半堆叠器件的PLQY测量QFLS数据，证实优化钙钛矿/FPD结构能抑制QFLS赤字。该抑制机制通过增强载流子分离和提取效率实现。
快速检测技术：光焱科技Enlitech QFLS-Maper检测设备能在3秒内获得QFLS视觉图，快速呈现材料整体准费米能级分布，直观识别材料的优劣与缺陷分布，加速材料筛选和优化过程。
QFLS对器件优化与材料选择的指导作用
QFLS量化后，研究人员可以辨识电压损失瓶颈，指导器件设计和材料选择。它评估不同传输层材料的影响，以及薄膜在不同处理阶段的表面性质变化。
传输层优化：阿卜杜拉国王科技大学Stefaan De Wolf教授团队利用QFLS mapping(图3d–f)和QFLS分布直方图(图3g)[3]，比较窄带隙钙钛矿在不同ITO/SAM基板上的QFLS值。结果揭示了不同SAM对QFLS分布的影响，为空穴传输层优化提供指导。
复合机制分析：Universität Potsdam的Dieter Neher教授团队指出[4]，测量QFLS能有效评估钝化分子和电荷传输层的电压潜力。研究表明，即使VOC会因离子迁移或电极/输送层界面复合而饱和，QFLS仍然忠实反映材料本身的复合机制，是评估材料固有品质的关键指标。
光焱科技QFLS-Maper具备快速分层QFLS测试功能，能够逐层分析各层材料（如HTL、电子传输层ETL）对整体组件性能的影响，帮助研究人员了解各层材料的优劣，进而在材料制备过程中实时掌握材料效果，大幅缩短研发时程。
QFLS在评估电荷载流子浓度与复合动力学中的作用
QFLS直接反映电荷载流子浓度和复合速率。通过QFLS测量，可以判断载流子寿命、掺杂浓度等因素对器件性能的影响。
掺杂浓度研究：卢森堡大学Damilola Adeleye教授团队深入研究了掺杂浓度对QFLS的影响[5]，并从QFLS和载流子寿命的测量中估算出掺杂浓度。文献中的(图3a)清楚展示了QFLS和载流子寿命随Cu/In比以及不同生长温度的变化。研究强调了QFLS直接反映电荷载流子浓度和复合速率的能力，有助于研究人员深入理解载流子行为，进而精确调控材料性能。
光焱科技QFLS-Maper结合了PLQY、EL-EQE和in-situ PL等多模态功能，为载流子动力学研究提供了全面的数据支持，帮助研究人员精确判断载流子寿命、掺杂浓度等因素对器件性能的影响。
QFLS在发表研究成果中的帮助
在学术发表中，QFLS数据的运用能显着提升论文的说服力和深度。它提供量化电压损失的精确数据，还能将实验结果与理论效率限制进行对比，从而突出研究成果的潜力。
理论极限分析：阿尔及利亚巴特纳大学Hichem Bencherif团队通过公式将光致发光量子产率（PLQY）与QFLS关联起来[6]，指出QFLS可以定义理论效率极限。文献中的(图3e)展示了钙钛矿薄膜的QFLS结果及其分布直方图，用以评估效率损失。这为报告器件接近理论极限的潜力提供了有力证据，证明了2D/3D异质结构在提高效率方面的优势。
老化机制研究：德国爱尔朗根-纽伦堡大学Christoph J. Brabec教授团队利用QFLS(图4a)评估不同层堆叠下非辐射损失的变化[7]，发现体内复合是全器件非辐射损失的主要来源。即使有稳定的传输层，体内缺陷的形成仍然是影响长期稳定性的主要因素。这种QFLS的定量分析为深入理解器件老化机制提供了关键数据，对开发更稳定的钙钛矿太阳能电池至关重要。
提供普适性基准与实验结果可比性
QFLS作为一个绝对的、有量纲的物理量，提供了一个普适性基准，使得来自不同组分和不同实验室的研究结果都能在同一基准上进行比较。这对学术交流和研究标准化具有重要意义。
多材料对比研究：英国牛津大学Henry J. Snaith和Shuaifeng Hu教授团队通过QFLS mapping(图3a)[8]，评估了不同溶液制备的Sn-Pb钙钛矿薄膜的光电性能。研究显示，PhA（磷酸）处理的薄膜有着更均匀的QFLS分布和更高的平均值，证明了添加剂对材料品质的提升作用。这类QFLS数据的引入，使得不同材料和制程的优劣能够被客观比较。
光焱科技QFLS-Maper具备QFLS、PLQY、iVoc等多模态功能，提供了标准化且高精度的测量数据，其PLQY灵敏度可达6个数量级（1E-4%），确保了测量准确性和国际接受度，极大地有利于论文发表和跨实验室数据的比较。
预测器件性能与筛选材料
QFLS及其衍生的伪J-V (pseudo J-V) 曲线，能有效地预测器件潜力，在器件实际制造之前进行材料筛选，大幅节省研发成本与时间。
性能预测技术：荷兰恩荷芬理工大学René A. J. Janssen教授团队将QFLS光强度依赖数据转换为伪J-V曲线(图4b)，并从中得出伪填充因子（pFF）(图4d)和伪功率转换效率（pPCE）(图4e)[9]。
Kessels等学者通过实验，精准测量了钙钛矿薄膜在不同GlyHCl浓度下的准费米能阶分裂（QFLS）值。他们将光强度依赖的QFLS数据转换为伪J-V曲线，这种转换通过利用光电流密度与光强度的正比关系，并将QFLS作为电压来实现。
从这些伪J-V曲线中，研究团队推导出伪填充因子（pFF）和伪功率转换效率（pPCE）。这些衍生参数虽然不直接代表最终器件的实际J-V性能（因为忽略了电荷传输损失），但能有效排除器件制备中的传输损失，更纯粹地反映钙钛矿材料本身的内在光电品质与潜力。
GlyHCl添加剂效应研究：通过QFLS及其衍生参数的深入分析，Kessels等学者的研究清晰揭示了GlyHCl对铅锡基钙钛矿材料的积极作用：
抑制非辐射复合：在添加1-2 mol% GlyHCl的钙钛矿薄膜中，QFLS值从886 meV提升至898-900 meV
改善晶体品质：GlyHCl延缓前驱体溶液中Sn2+的氧化，改善钙钛矿的晶粒尺寸分布和结晶品质
延长载流子寿命：载流子半衰期从0.7 μs增至1.5 μs
提升器件性能：VOC从0.69 V提升至0.81 V，FF从71%提升至78%
增强稳定性：添加2或4 mol% GlyHCl能显着提升器件在连续光照下的稳定性
光焱科技QFLS-Maper能在最快2分钟内预测材料的伪J-V曲线，从理论层面评估材料的效率潜力，大大缩短实验周期，并且能将预测结果可视化呈现，让研究者能够一目了然。
验证理论模型与模拟结果
实验测得的QFLS数据，能够为第一性原理计算（DFT）和漂移扩散（drift-diffusion）模拟等提供关键的实验依据，确保理论模型的准确性。
界面工程验证：阿卜杜勒阿齐兹国王科技城学者Masaud Almalki等人在研究中明确指出[10]：「SCAPS模型与实验数据的成功校准，证明了表面复合速度在提高器件效率方面的关键作用。长链烷基铵盐的使用表明表面复合速度降低，进而减轻了VOC-QFLS失配」。
他们系统性地引入不同链长的烷基铵碘化物作为表面钝化剂，利用能量带图解释了QFLS和VOC的关系，其模拟结果与实验观察一致，即钝化处理能有效抑制界面复合，提升QFLS(图7a,b)。
器件建模验证：美国First Solar研究团队在Supporting Information中展示了E-Solver模拟器与SCAPS-1D模拟器在带图和QFLS/q–VOC差异方面的对比[11]，结果高度一致，误差极小(图S1A,B和图S2A,B)。这类对比证明了QFLS在验证数值模拟和理论计算准确性方面的重要性，为半导体器件的设计提供了可靠的理论基础。
第一性原理计算：韩国技术学院Yong-Hoon Kim与Juho Lee, Hyeonwoo Yeo等学者报导了从第一性原理计算中提取纳米级结点的QFLS剖面图[12]，并探讨其与有限偏压下电荷传输的关联性(图4A,B)。藉由第一性原理计算QFLS，研究人员可以在实际合成或制造新材料和器件之前，预测其在不同偏压和激发条件下的电学行为和电压潜力。这缩短了研发周期，并能够系统性地探索材料设计空间。
结论
QFLS及其mapping技术已成为太阳能光伏研究的工具。它提供量化能量损失、指导材料选择和优化器件设计的精确数据，更在学术发表中扮演着关键角色。通过QFLS数据，研究人员能更深入地理解光伏材料的内在物理机制，验证理论模型，并为开发更高效、更稳定的太阳能电池提供坚实的科学依据。这项技术的持续发展与应用，将持续推动太阳能光伏技术的进步，为人类社会的可持续发展贡献力量。
参考文献
1. Hu, S., Sun, X., Liu, W., Gregori, L., Zhao, P., Pascual, J., Dallmann, A., Dasgupta, A., Yang, F., Li, G., Aldamasy, M., Turren-Cruz, S.-H., Flatken, M. A., Fu, S., Iwasaki, Y., Murdey, R., Hoell, A., Schorr, S., Albrecht, S., Yang, S., Abate, A., Wakamiya, A., De Angelis, F., Li, M., & Snaith, H. J. (2025). Accessing Metal-Containing Species in Tin–Lead Perovskite Precursor Solutions via Molecular Strategies Guided by the Hard–Soft Acid–Base Principle. Angewandte Chemie International Edition, 64(34), 202514010.
2. Cheng, J., Cao, H., Zhang, S., Shao, J., Yan, W., Peng, C., Yue, F., & Zhou, Z. (2024). Enhanced Electric Field Minimizing Quasi-Fermi Level Splitting Deficit for High-Performance Tin-Lead Perovskite Solar Cells. Advanced Materials, 36(41), 202410298.
3. Zhumagali, S., Li, C., Marcinskas, M., Dally, P., Liu, Y., Ugur, E., Petoukhoff, C. E., Ghadiyali, M., Prasetio, A., Marengo, M., Pininti, A. R., Azmi, R., Schwingenschlögl, U., Laquai, F., Getautis, V., Malinauskas, T., Aydin, E., Sargent, E. H., & De Wolf, S. (2025). Efficient Narrow Bandgap Pb-Sn Perovskite Solar Cells Through Self-Assembled Hole Transport Layer with Ionic Head. Advanced Energy Materials, 15(1), 202404617.
4. Caprioglio, P., Stolterfoht, M., Wolff, C. M., Unold, T., Rech, B., Albrecht, S., & Neher, D. (2019). On the Relation between the Open-Circuit Voltage and Quasi-Fermi Level Splitting in Efficient Perovskite Solar Cells. Advanced Energy Materials, 9(37), 201901631.
5. Adeleye, D., Lomuscio, A., Sood, M., & Siebentritt, S. (2021). Lifetime, quasi-Fermi level splitting and doping concentration of Cu-rich CuInS2 absorbers. Materials Research Express, 8(2), 025905.
6. Aouni, Q., Kouda, S., Batoo, K. M., Ijaz, M. F., Sahoo, G. S., Bhattarai, S., Sasikumar, P., & Bencherif, H. (2025). Achieving Quasi-Fermi level splitting near its radiative limit in efficient and stable 2D/3D perovskite solar Cells: Detailed balance model. Solar Energy, 286, 113144.
7. Peng, Z., Wortmann, J., Hong, J., Zhou, S., Bornschlegl, A. J., Haffner-Schirmer, J., Le Corre, V. M., Heumüller, T., Osvet, A., Rand, B. P., Lüer, L., & Brabec, C. J. (2025). Locating Non-Radiative Recombination Losses and Understanding Their Impact on the Stability of Perovskite Solar Cells During Photo-Thermal Accelerated Ageing. Advanced Energy Materials, 15(29), 202502787.
8. Hu, S., Wang, J., Zhao, P., Pascual, J., Wang, J., Rombach, F., Dasgupta, A., Liu, W., Truong, M. A., Zhu, H., Kober-Czerny, M., Drysdale, J. N., Smith, J. A., Yuan, Z., Aalbers, G. J. W., Schipper, N. R. M., Yao, J., Nakano, K., Turren-Cruz, S.-H., Dallmann, A., Christoforo, M. G., Ball, J. M., McMeekin, D. P., Zaininger, K.-A., Liu, Z., Noel, N. K., Tajima, K., Chen, W., Ehara, M., Janssen, R. A. J., Wakamiya, A., & Snaith, H. J. (2025). Steering perovskite precursor solutions for multijunction photovoltaics. Nature, 639(7925), 93–101.
9. Kessels, L. M., Remmerswaal, W. H. M., van der Poll, L. M., Bellini, L., Bannenberg, L. J., Wienk, M. M., Savenije, T. J., & Janssen, R. A. J. (2024). Unraveling the Positive Effects of Glycine Hydrochloride on the Performance of Pb–Sn-Based Perovskite Solar Cells. Solar RRL, 8(18), 202400506.
10. Almalki, I. S., Alanazi, T. I., Aldoghan, L., Aldossari, N., Almutawa, F., Alzahrani, R. A., Alenzi, S. M., Alzahrani, Y. A., Yafi, G. S., Almutairi, A., Aldukhail, A., Alharthi, B., Aljuwayr, A., Alghannam, F. S., Alanzi, A. Z., Alkhaldi, H., Alhajri, F., Alhumud, H. S., Alqarni, A. A., Alotaibi, M. H., AL-Saleem, N. K., Alkahtani, M., Alanazi, A. Q., & Almalki, M. (2025). Molecular Engineering of Alkylammonium Interfaces for Enhanced Efficiency in Perovskite Solar Cells. Solar RRL, 9(14), 202500389.
11. Krasikov, D., Kuciauskas, D., Ščajev, P., Farshchi, R., McReynolds, K., & Sankin, I. (2024, September 16). Understanding ERE and iVOC metrics for graded CdSeTe absorbers. Authorea.
12. Lee, J., Yeo, H., & Kim, Y.-H. (2020). Quasi-Fermi level splitting in nanoscale junctions from ab initio. Proceedings of the National Academy of Sciences, 117(19), 10142–10148.
