研究论文

8 基于InAs/GaSb II型超晶格的中波红外平面结光电探测器

中波红外光电探测器工作波长范围为3至5 µm，在工业气体监测、环境成分分析、火焰探测等应用领域具有广阔的应用前景。然而，目前报道的中波红外探测器件，HgCdTe带隙可调但价格昂贵，InSb性能优异价格相对便宜但带隙不可调，因此InAs/GaSb T2SL被认为是一种很有前途的候选材料。同时平面型器件减少了由刻蚀损伤带来的表面漏电流，降低了制造成本。通过最小化器件的侧壁表面积，可以有效抑制表面漏电流。平面结器件的常用制造技术包括离子注入和扩散。离子注入不仅成本高昂，还会损坏T2SL的晶格结构。相比之下，扩散工艺更简单，由于无需高能粒子轰击，造成的损伤更小，更适合T2SL的选择性区域掺杂。基于HgCdTe、InAs和InSb等材料的平面结红外探测器已成功演示。然而，关于利用InAs/GaSb T2SL结构的平面光电探测器的报道仍然有限。

近日，中国科学院半导体研究所牛智川研究员课题组提出了一种基于Zn扩散的p型沟道中红外光电探测器的制备方法。采用分子束外延(MBE)系统生长InAs/GaSb/AlSb/GaSb T2SL的N型接触层、InAs/GaSb/AlSb/GaSb T2SL的势垒层、InAs/GaSb T2SL的吸收区以及本征InAs/GaSb T2SL的顶部接触层。最后，采用快速热退火系统进行选区热扩散。他们在该工作中研究了ZnS表面高温扩散对中波InAs/GaSb性能的影响。结果表明，采用CVD生长的ZnS作为扩散层，可以成功制备InAs/GaSb中波红外平面光电探测器。此外，通过变温测试分析暗电流中产生-复合电流占主导地位，扩散暗电流的贡献较小。2014年报道的截止波长为8 µm的焦平面阵列在81 K工作温度下的NETD为1200 mK，通过浅刻蚀工艺优化，该数值降至450 mK，而我们的平面型探测器NETD为539 mK，证实了基于ZnS扩散的中波InAs/GaSb红外探测器焦平面的成功。而相同器件的台面型焦平面阵列的NETD为40 mK。从以上结果来看，仍需进一步研究平面结工艺，以达到器件噪声的预期降低效果。

通过CVD生长ZnS对InAs/GaSb进行扩散的成功演示，对平面器件在红外探测领域的应用起到了积极的作用。

图1. 中波红外光电探测器。(a) 器件结构示意图；(b) 能带结构示意图。

图2. 扩散温度从300 ℃到450 ℃，在0 mV下。(a) 不同扩散温度下QE光谱随波长变化的情况。(b) 不同扩散温度下特定探测率 (D*) 光谱随波长变化的情况。

该文章以“Mid-wavelength infrared planar junction diffusion photodetector based on InAs/GaSb Type-II superlattices” 为题，发表在Journal of Semiconductors上。

文章信息：

Mid-wavelength infrared planar junction diffusion photodetector based on InAs/GaSb Type-II superlattices

Shihao Zhang, Hongyue Hao, Ye Zhang, Shuo Wang, Xiangyu Zhang, Ruoyu Xie, Lingze Yao, Faran Chang, Yifan Shan, Haofeng Liu, Guowei Wang, Donghai Wu, Dongwei Jiang, Yingqiang Xu, Zhichuan Niu, Wenjing Dong

J. Semicond. 2025, 46(11): 112404  doi: 10.1088/1674-4926/24120014

Full Text 

9 机器学习助力概念验证效率＞38%钙钛矿/硅叠层电池中间连接层发展

随着全球能源需求增长、化石燃料枯竭及气候变化问题的加剧，发展可再生能源已经成为全球共识。截至2025年，多个国家和地区已经制定了更严格的碳中和目标，加速向清洁能源转型。其中，硅基电池占据了光伏发电市场的大部分份额。目前，硅异质结电池的最高效率已达到了27.3%。近年来已经对其进行了大量优化，但受限于29.4%的俄歇复合限制的效率极限，电池效率进一步突破很难。为了提高光谱利用率，进一步提高电池效率，将宽带隙的半导体堆叠到晶硅电池顶部形成两端叠层电池是提升电池效率的优异选择，而钙钛矿电池具有成本低，制备工艺简单，材料带隙灵活可调，光电转换效率高等优点，成为了顶电池的不二选择。在两端叠层电池中，实现两个电池连接的重要部分是中间连接层（ICL），主要功能是从两个子电池中分别收集电子和空穴，并在界面处完成复合和隧穿。对于中间连接层，由于它需要在光学和电学两个方面将两个子电池结合起来，所以在电学方面需要中间连接层要有较高的导电性，同时在光学方面不能够影响顶底电池的光吸收，所以要有较高的透光性，并且折射率也要匹配。

中间连接层作为连接叠层电池两个子电池的重要组成部分，相对而言专门针对其的研究较少，并且缺乏系统性的分析和指导，如何根据不同的顶底电池的界面去选择合适的中间连接层是需要考虑的问题。随着机器学习的发展，它们已经广泛应用于钙钛矿电池和铜铟镓硒电池的相关研究中，作为一种高效的数据分析和模型预测工具，通过收集整理大量实验数据，机器学习方法能够揭示材料特性与电池性能之间的关系，进而提供一种更普适的指导方法，帮助优化实验设计与选择材料。因此，机器学习有望成为学科交叉研究的重要工具，推动电池技术的创新发展。

近日，南开大学张晓丹教授课题组将统计分析和机器学习引入到两端叠层电池的中间连接层的设计中，对中间连接层进行了分析梳理，建立了关于中间连接层的数据集。利用线型回归模型（Lasso），随机森林模型（RF）和神经网络（NN）中的多层感知机模型对数据集进行训练预测。通过分析，揭示了不同输入特征之间的相互关系以及输入特征与输出结果之间的相关性。此外，模型还帮助确定了各输入参数的重要性，识别出对器件性能影响最大的关键变量。这些结果为中间连接层的选择和优化提供了理论依据和数据支持，助力提高电池性能和设计效率。

在硅异质结电池的基础上进行梯度硅薄膜的设计结合超薄透明导电氧化物（TCO）是未来中间连接层发展的方向，可适用于大部分钙钛矿/硅异质结两端叠层电池。将优化后的中间连接层应用于钙钛矿/硅异质结叠层电池中，获得了38.17%的概念验证效率，为未来叠层电池的发展提供了指导和方向。

图1. 机器学习模型建立流程图。

图2. 基于Si-ICL数据集的不同模型对叠层太阳电池性能的预测：（a–c）开路电压（V_oc），（d–f）填充因子（FF），（g–i）短路电流密度（J_sc），（j–l）光电转换效率（PCE）。所用模型包括 Lasso、RF 和 NN。虚线代表完美拟合，而实线红色曲线代表实际拟合结果。

该文章以题为“Machine learning facilitates the development of interconnecting layers for perovskite/silicon heterojunction tandem solar cells with proof-of-concept efficiency > 38%”发表在Journal of Semiconductors上。

文章信息：

Machine learning facilitates the development of interconnecting layers for perovskite/silicon heterojunction tandem solar cells with proof-of-concept efficiency > 38%

Xuejiao Wang, Guanlan Chen, Ying Liu, Guangyi Wang, Wei Han, Jin Wang, Pengfei Liu, Jilei Wang, Shaojuan Bao, Bo Yu, Ying  Liu, Xinliang Chen, Shengzhi Xu, Ying Zhao, and Xiaodan Zhang

J. Semicond. 2025, 46(11), 112801  doi: 10.1088/1674-4926/25050011

Full Text