前言
短波紅外光（SWIR）光電探測器應用廣泛，但有機半導體光電探測器（OPDs）的性能受限于陷阱態(tài)。AM.斯旺西大學Ardalan Armin團隊在Advanced Materials發(fā)表的研究提出了一種名為“陷阱摻雜"的新技術，通過在有機半導體中引入少量客體分子，增強SWIR光響應，顯著提升了OPDs的性能。實驗結果表明，該技術可使器件在SWIR和可見光波段的比探測率（D）分別達到約10? Jones和1012 Jones，線性動態(tài)范圍（LDR）分別超過110 dB和220 dB，展現(xiàn)了其在高性能寬帶光電探測領域的巨大潛力。
導讀目錄
1. 前言
2. 研究目的
3. 研究方法
4. 器件與表征
5. 結論
研究目的
提升有機半導體光電探測器（OPD）在短波紅外光（SWIR）范圍的光檢測能力。
利用中隙陷阱態(tài)增強SWIR光響應。
通過中隙陷阱態(tài)的上轉(zhuǎn)換過程來增強光檢測效率。
引入陷阱摻雜技術，在塊狀異質(zhì)結（BHJs）光電二極體中加入客體有機分子以創(chuàng)造SWIR光響應。
展示一個可見光到SWIR寬帶OPD的概念驗證，以達到或超越目前性能水平。
將“陷阱摻雜"方法推廣至不同光譜窗口，將其限制轉(zhuǎn)變?yōu)橛欣卣鳎瑥亩_拓新的光電探測工程學模式。
研究方法
研究團隊使用了「陷阱摻雜」（trap-doping）的方法來進行研究。研究人員在有機半導體的給體：受體主系統(tǒng)中故意加入少量客體有機分子，從而實現(xiàn)了可見光到SWIR的寬帶光電探測。這種方法不僅證明了概念的可行性，還展示了在關鍵光電探測器性能指針上接近或超過現(xiàn)有技術的潛力。研究人員選擇和評估客體有機分子的方法包括以下幾個步驟：
材料選擇：據(jù)所需的能量水平對齊和材料的化學兼容性來選擇潛在的客體有機分子。
理論計算：使用計算化學方法，如密度泛函理論（DFT）計算，來預測客體分子的能級和它們與給體和受體材料的相互作用。
實驗合成：選擇幾種有潛力的客體分子進行實驗合成，并使用光電子能譜（如紫外光電子能譜，UPS）和循環(huán)伏安法（CV）等技術來確定它們的HOMO和LUMO能級。
器件制備：將選定的客體分子摻入到給體-受體系統(tǒng)中，制作出光電探測器器件。
數(shù)據(jù)分析與優(yōu)化：分析從實驗中獲得的數(shù)據(jù)，以確定哪種客體分子能夠提供最佳的性能提升。
優(yōu)化選擇：基于實驗結果，選擇能夠在目標光譜范圍內(nèi)提供最佳光響應和整體性能的客體分子。
器件與表征
外部量子效率（EQE）測量： 使用分光亮度計作為光源，并在樣品架上進行測量，用于評估 OPD 對不同波長光子的轉(zhuǎn)換效率。
推薦使用Enlitech 的 FTPS，高靈敏度的光電流和外量子效率 (HS-EQE) 光譜系統(tǒng)。它利用傅里葉變換信號處理技術來增強和突破光電流信號檢測極限。
光焱科技FTPS現(xiàn)場裝機示意圖
噪聲頻譜密度（NSD）分析： 在黑暗環(huán)境中測量，使用前置放大器和信號分析儀，用于評估 OPD 在不同頻率下的噪聲水平。
噪聲電流測量： 在黑暗環(huán)境中進行，使用類似的設備設置，測量 OPD 在黑暗條件下的電流噪聲。
線性動態(tài)范圍（LDR）測量： 使用激光器，并通過濾光輪進行光強衰減，用于確定 OPD 在不同光強下的響應范圍。
器件結構和材料的化學結構分析： 用于了解 OPD 的組成和結構。
電流密度-電壓曲線測量： 在人工太陽光照（AM1.5G 條件）下進行，用于分析 OPD 在不同電壓下的電流響應。
Enlitech的SS-X 太陽光模擬器 AM1.5G 濾光片采用先進的等離子沉積技術制成，光譜精度高，使用壽命長，可以提供穩(wěn)定和連續(xù)的輻照度來照射被測太陽能電池，避免由于這些太陽能電池響應時間慢而導致的表征錯誤。
光焱科技SS-X現(xiàn)場裝機示意圖
結論
本研究成功地展示了兩種增強有機半導體光電探測器（OPD）在短波紅外光（SWIR）范圍內(nèi)光檢測效率的方法：通過中隙陷阱態(tài)的上轉(zhuǎn)換和“陷阱摻雜"技術。
l 前者通過優(yōu)化器件結構和材料組成，例如將1%重量的PTTQ(HD)添加到PM6基質(zhì)中，可將1310 nm波長下的EQE從9.28×10^-6% 提升至1.96×10^-2%。
l 后者通過在給體-受體主系統(tǒng)中摻入少量客體有機分子，利用中隙陷阱態(tài)提升SWIR光響應，顯著提高了EQE和特定檢測率（D*），同時保持了寬廣的線性動態(tài)范圍（LDR）。
這些發(fā)現(xiàn)預期將在需要高靈敏度SWIR檢測的各種應用中發(fā)揮重要作用，如監(jiān)控、質(zhì)量控制、生物成像和機器視覺等領域。
文獻參考自Advanced Materlals 23 July 2024_DOI: 10.1002/adma.202405061
本文章為Enlitech光焱科技改寫 用于科研學術分享 如有任何侵權 請來信告知
微信掃一掃
