陷阱掺杂技术-有机半导体短波红外探测新方向

前言

短波红外光（SWIR）光电探测器应用广泛，但有机半导体光电探测器（OPDs）的性能受限于陷阱态。AM.斯旺西大学Ardalan Armin团队在Advanced Materials发表的研究提出了一种名为“陷阱掺杂"的新技术，通过在有机半导体中引入少量客体分子，增强SWIR光响应，显着提升了OPDs的性能。实验结果表明，该技术可使器件在SWIR和可见光波段的比探测率（D）分别达到约10⁸ Jones和10¹² Jones，线性动态范围（LDR）分别超过110 dB和220 dB，展现了其在高性能宽带光电探测领域的巨大潜力。

导读目录

1.           前言

2.           研究目的

3.           研究方法

4.           器件与表征

5.           结论

研究目的

1. 提升有机半导体光电探测器（OPD）在短波红外光（SWIR）范围的光检测能力。

2. 利用中隙陷阱态增强SWIR光响应。

3. 通过中隙陷阱态的上转换过程来增强光检测效率。

4. 引入陷阱掺杂技术，在块状异质结（BHJs）光电二极体中加入客体有机分子以创造SWIR光响应。

5. 展示一个可见光到SWIR宽带OPD的概念验证，以达到或超越目前性能水平。

6. 将“陷阱掺杂"方法推广至不同光谱窗口，将其限制转变为有利特征，从而开拓新的光电探测工程学模式。

研究方法

研究团队使用了「陷阱掺杂」（trap-doping）的方法来进行研究。研究人员在有机半导体的给体：受体主系统中故意加入少量客体有机分子，从而实现了可见光到SWIR的宽带光电探测。这种方法不仅证明了概念的可行性，还展示了在关键光电探测器性能指针上接近或超过现有技术的潜力。研究人员选择和评估客体有机分子的方法包括以下几个步骤：

1. 材料选择：据所需的能量水平对齐和材料的化学兼容性来选择潜在的客体有机分子。

2. 理论计算：使用计算化学方法，如密度泛函理论（DFT）计算，来预测客体分子的能级和它们与给体和受体材料的相互作用。

3. 实验合成：选择几种有潜力的客体分子进行实验合成，并使用光电子能谱（如紫外光电子能谱，UPS）和循环伏安法（CV）等技术来确定它们的HOMO和LUMO能级。

4. 器件制备：将选定的客体分子掺入到给体-受体系统中，制作出光电探测器器件。

5. 数据分析与优化：分析从实验中获得的数据，以确定哪种客体分子能够提供最佳的性能提升。

6. 优化选择：基于实验结果，选择能够在目标光谱范围内提供最佳光响应和整体性能的客体分子。

器件与表征

1. 外部量子效率（EQE）测量： 使用分光亮度计作为光源，并在样品架上进行测量，用于评估 OPD 对不同波长光子的转换效率。
        
        
        
        
        推荐使用Enlitech 的 FTPS，高灵敏度的光电流和外量子效率 (HS-EQE) 光谱系统。它利用傅里叶变换信号处理技术来增强和突破光电流信号检测极限。

光焱科技FTPS現場裝機示意圖

1. 噪声频谱密度（NSD）分析： 在黑暗环境中测量，使用前置放大器和信号分析仪，用于评估 OPD 在不同频率下的噪声水平。

2. 噪声电流测量： 在黑暗环境中进行，使用类似的设备设置，测量 OPD 在黑暗条件下的电流噪声。

3. 线性动态范围（LDR）测量： 使用激光器，并通过滤光轮进行光强衰减，用于确定 OPD 在不同光强下的响应范围。

4. 器件结构和材料的化学结构分析： 用于了解 OPD 的组成和结构。

5. 电流密度-电压曲线测量： 在人工太阳光照（AM1.5G 条件）下进行，用于分析 OPD 在不同电压下的电流响应。
        Enlitech的SS-X 太阳光模拟器 AM1.5G 滤光片采用先进的等离子沉积技术制成，光谱精度高，使用寿命长，可以提供稳定和连续的辐照度来照射被测太阳能电池，避免由于这些太阳能电池响应时间慢而导致的表征错误。
        
        

光焱科技SS-X現場裝機示意圖

结论

本研究成功地展示了两种增强有机半导体光电探测器（OPD）在短波红外光（SWIR）范围内光检测效率的方法：通过中隙陷阱态的上转换和“陷阱掺杂"技术。

l  前者通过优化器件结构和材料组成，例如将1%重量的PTTQ(HD)添加到PM6基质中，可将1310 nm波长下的EQE从9.28×10^-6% 提升至1.96×10^-2%。

l  后者通过在给体-受体主系统中掺入少量客体有机分子，利用中隙陷阱态提升SWIR光响应，显著提高了EQE和特定检测率（D*），同时保持了宽广的线性动态范围（LDR）。

这些发现预期将在需要高灵敏度SWIR检测的各种应用中发挥重要作用，如监控、质量控制、生物成像和机器视觉等领域。

文献参考自Advanced Materlals 23 July 2024_DOI: 10.1002/adma.202405061

本文章为Enlitech光焱科技改写 用于科研学术分享 如有任何侵权  请来信告知