RB
Rüdiger Berger
Author with expertise in Perovskite Solar Cell Technology
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
9
(56% Open Access)
Cited by:
2,280
h-index:
52
/
i10-index:
158
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Real-space observation of unbalanced charge distribution inside a perovskite-sensitized solar cell

V. Bergmann et al.Sep 22, 2014
Perovskite-sensitized solar cells have reached power conversion efficiencies comparable to commercially available solar cells used for example in solar farms. In contrast to silicon solar cells, perovskite-sensitized solar cells can be made by solution processes from inexpensive materials. The power conversion efficiency of these cells depends substantially on the charge transfer at interfaces. Here we use Kelvin probe force microscopy to study the real-space cross-sectional distribution of the internal potential within high efficiency mesoscopic methylammonium lead tri-iodide solar cells. We show that the electric field is homogeneous through these devices, similar to that of a p-i-n type junction. On illumination under short-circuit conditions, holes accumulate in front of the hole-transport layer as a consequence of unbalanced charge transport in the device. After light illumination, we find that trapped charges remain inside the active device layers. Removing these traps and the unbalanced charge injection could enable further improvements in performance of perovskite-sensitized solar cells. The performance of perovskite solar cells has improved dramatically over just a few years but our understanding of how they work is incomplete. Bergmann et al.use Kelvin probe force microscopy to map the electric potential in these cells to show that an accumulation of holes could limit this performance.
0

Uncovering the Nanoscopic Humidity Ingression in Multifunctional Addivated Halide Perovskites

Samrana Kazim et al.Nov 28, 2024
Abstract Sulfur‐based multifunctional additives are attractive for increasing not only the device power conversion efficiency but also the moisture stability of perovskite solar cells. The stability of the device against external and internal stress plays a pivotal role in the commercial endeavor of emerging technologies such as perovskite photovoltaics. However, the potential of sulfur‐based additives remains largely unexplored for perovskite solar cell fabrication. Here, a mechanism is deduced for the local nanoscopic humidity ingression into a multifunctional additiviated formamidinium‐loaded halide perovskites. By tuning the iodide and bromide tails of the additives, the influence of sulfur heteroatom containing ammonium‐amidinium salts on the photo‐physical and device properties of a formamidinium‐rich perovskite absorber is uncovered. In addition, the process of strong water adsorption is excluded through the proton‐migration mechanism, thereby significantly improving the moisture resistance of perovskite films. The high crystallinity and long lifetime decay allow a higher PCE of 25.14% to be achieved compared to the control at 22.49%, along with improved long‐term stability by retaining 99.6% of the initial PCE after 1000 h.
0

Estimating sliding drop width via side-view features using recurrent neural networks

Sajjad Shumaly et al.May 27, 2024
Abstract High speed side-view videos of sliding drops enable researchers to investigate drop dynamics and surface properties. However, understanding the physics of sliding requires knowledge of the drop width. A front-view perspective of the drop is necessary. In particular, the drop’s width is a crucial parameter owing to its association with the friction force. Incorporating extra cameras or mirrors to monitor changes in the width of drops from a front-view perspective is cumbersome and limits the viewing area. This limitation impedes a comprehensive analysis of sliding drops, especially when they interact with surface defects. Our study explores the use of various regression and multivariate sequence analysis (MSA) models to estimate the drop width at a solid surface solely from side-view videos. This approach eliminates the need to incorporate additional equipment into the experimental setup. In addition, it ensures an unlimited viewing area of sliding drops. The Long Short Term Memory (LSTM) model with a 20 sliding window size has the best performance with the lowest root mean square error (RMSE) of 67 µm. Within the spectrum of drop widths in our dataset, ranging from 1.6 to 4.4 mm, this RMSE indicates that we can predict the width of sliding drops with an error of 2.4%. Furthermore, the applied LSTM model provides a drop width across the whole sliding length of 5 cm, previously unattainable.