光電轉換效率的進一步突破，核心不在于表面性能參數的堆棧，而在于對組件內部能量損失機制的精確量化與定位。在太陽能電池研究領域，特別是鈣鈦礦（Perovskite）、硅基（Silicon-based）及疊層（Tandem）體系中，準費米能級分裂（Quasi-Fermi Level Splitting, QFLS）已經成為一種定量工具。QFLS代表導帶中電子準費米能階 (E_F,e) 和價帶中電洞準費米能階 (E_F,h) 之間的能量差，本質上是載流子集合的化學勢能。盡管開路電壓 (VOC) 理論上應等于 QFLS，但實際組件中，兩者的失配正是識別傳輸層（Transport Layer, TL）或界面接觸處電化學勢損失的關鍵線索。
此文章探討學術界如何運用 QFLS 及其空間分布圖，精確界定非輻射復合（non-radiative recombination）的根源，并討論高精度 QFLS 檢測設備如何加速下一代光伏材料的研發進程。
一、QFLS：精準量化電壓損失來源
QFLS 測量的首要優勢在于能夠將組件的能量損失來源進行清晰的定量劃分。這讓研究人員能夠判斷電壓損失究竟源于材料體內部（bulk recombination）還是界面處（interface recombination）。
鈣鈦礦組件中的 QFLS 與 VOC 失配
在鈣鈦礦太陽能電池（PSCs）的研究中，學者 Warby、Neher 與 Stolterfoht 等人發現 QFLS 與 VOC 之間存在顯著失配現象。該研究顯示，界面復合電流往往遠高于體內復合電流，差距可達 10 到 1000 倍。這種失配的機制被模擬結果指向移動離子（如鹵化物空位）在高密度下累積于空穴選擇性接觸層（Hole Selective Contact, HSC）附近。這導致了電子選擇性降低，進而造成 QFLS 與 VOC 不一致。
這項發現證明，如果僅依賴 J-V 特性曲線所得的 VOC 數據，可能無法準確判斷電壓損失的實際來源。QFLS 反映的是材料本身的「內在電壓」潛力，而 VOC 則是特定組件結構下的「外在電壓」表現。兩者間的差異成為工程師優化界面、抑制離子遷移的關鍵依據。
圖9a展示了QFLS與VOC隨著光照時間的演變，清晰地揭示了兩者之間的失配。來自：Mismatch of Quasi–Fermi Level Splitting and Voc in Perovskite Solar Cells
利用 QFLS 指導材料添加劑優化，加速研發進程
QFLS 能夠作為篩選工具，有效指導組件設計與材料選擇。Jansse 與 Kessels 對于錫鉛基鈣鈦礦太陽能電池的研究中，評估了甘胺酸鹽酸鹽（Glycine hydrochloride, GlyHCl）的影響。他們發現 GlyHCl 的添加能改善鈣鈦礦體材料質量，但在濃度達到 4 mol% 時，QFLS 會出現明顯的 93 meV 損失。這歸因于過量的 GlyHCl 形成了缺陷態，反而促進了非輻射復合。
研究中，透過光強度依賴的 QFLS 測量，以及從玻璃側和薄膜側取得的 QFLS 數據，精準鎖定了材料添加濃度。這類精確的 QFLS 定量分析能夠大幅縮短研發周期，避免盲目試錯。
圖3a清晰地展示了不同GlyHCl濃度下鈣鈦礦薄膜的QFLS值，以及從玻璃側和鈣鈦礦膜側測得的數據，并標示了輻射極限與QFLS損失。來自：Unraveling the Positive Effects of Glycine Hydrochloride on the Performance of Pb–Sn-Based Perovskite Solar Cells
圖4a則提供了光強度依賴的QFLS測量結果及理想因子 (ideality factors) 。來自：Unraveling the Positive Effects of Glycine Hydrochloride on the Performance of Pb–Sn-Based Perovskite Solar Cells
二、QFLS 在載流子動力學與空間均勻性中的應用
QFLS 直接反映了電荷載流子的濃度與復合速率。透過分析 QFLS，可以評估載流子壽命、摻雜濃度等關鍵電子特性。
載流子壽命、QFLS 與摻雜濃度估算
Damilola Adeleye 等學者探討了富銅 CuInS2 吸收層，指出較高的 QFLS 可能歸因于復合活動減少，或更高的摻雜水平。QFLS 受光激發載流子濃度、激發與復合影響的少數載流子準費米能階所控制。同時，在低激發下，它也受摻雜水平影響的多數載流子準費米能階控制。研究透過 QFLS 與載流子壽命數據的變化趨勢，闡明了材料生長條件與光電性能之間的復雜關系。
圖3a呈現了QFLS和載流子壽命隨著Cu/In比率以及不同生長溫度的變化趨勢。來自：Lifetime, quasi-Fermi level splitting and doping concentration of Cu-rich CuInS2 absorbers
推薦使用Enlitech QFLS-Maper檢測設備，不僅能測量QFLS，還能在幾分鐘內得到偽J-V曲線 (Pseudo J-V curves)。這項功能特別適合在材料開發早期，快速預測材料的理論效率上限，從而篩選出具有高效率潛力的材料，有效降低實驗成本和時間。QFLS-Maper還能進行分層測量，讓我們了解每種材料層對整體效率極限的影響。
QFLS 分布圖的可視化與缺陷定位
光伏材料的性能表現與其空間均勻性高度相關。QFLS 分布圖（QFLS mapping）提供了空間維度的洞察力，用于評估復合損失及內部電壓。
Henry J. Snaith等學者在研究多結太陽能電池時，使用 QFLS 分布圖評估了復合損失。
圖3a展示了從2mm x 2mm PLQE圖像計算出的QFLS分布圖。來自：Steering perovskite precursor solutions for multijunction photovoltaics
Cacovich 與 Grancini 等人使用超光譜成像儀（Hyperspectral Imager, HI）獲取 PL 圖像并確定 QFLS 值。他們展示了 QFLS 分布圖如何清晰呈現器件表面 QFLS 的空間分布，從而精確定位局部非輻射復合的熱點來源。例如，透過比較不同表面處理（如 Cl-PEAI、F-PEAI 處理組）樣品的 QFLS 分布圖，能直觀評估界面鈍化效果的差異。
圖3a、b、c清晰地展示了對照組、Cl-PEAI處理組和F-PEAI處理組樣品的QFLS分布圖。來自Imaging and quantifying non-radiative losses at 23% efficient inverted perovskite solar cells interfaces
三、QFLS 作為學術基準與性能預測的基石
在學術出版與組件性能預測方面，QFLS 扮演著提供扎實定量證據與通用性能基準的角色。
定量證據與穩定性評估：
Z. Peng, Christoph J. Brabec等學者將 QFLS 應用于加速老化研究。他們指出，從 PL 分布圖獲得的 QFLS 值基于定義區域內的平均 PL 強度，這不僅提供了統計上更穩健的結果，也使得薄膜均勻性評估成為可能。透過觀察 QFLS 值及其隨光熱老化過程的變化，為材料的長期穩定性提供了量化依據，增強了研究結果的說服力。
圖3a和3b展示了在光熱老化過程中，QFLS值及其隨時間的變化，為材料的穩定性分析提供了定量依據。來自：Quantitative Link between Potential Losses and Perovskite Solar Cell Stability During Accelerated Ageing
性能預測與材料篩選：
QFLS、光致發光量子效率（Photoluminescence Quantum Efficiency, PLQY）與 VOC 之間存在分析循環，使研究人員能夠在實際制程前，快速篩選鈍化分子或電荷傳輸層（Charge-Transport Layers, CTLs）材料。
Aouni 等人透過詳細的平衡模型（Detailed Balance Model）將 PLQY 與 QFLS 關聯起來，計算 QFLS = QFLS_rad + kTln(PLQY)。研究證實，界面層的添加能夠顯著提高 PLQY 和 QFLS，并降低非輻射損失。這種直接的性能預測能力極大地加速了高效率材料的篩選效率。
表6比較了不同結構的QFLS、PLQY和非輻射損失，清楚地展示了界面層的添加如何顯著提高PLQY和QFLS，并降低非輻射損失。來自：Achieving Quasi-Fermi level splitting near its radiative limit in efficient and stable 2D/3D perovskite solar Cells: Detailed balance model
四、QFLS-Maper 在嚴謹研究中的應用
面對上述學術界對 QFLS 表征的嚴苛要求，專業級的檢測設備至關重要。如 Enlitech 光焱科技的 QFLS-Maper 檢測設備，正是為滿足這些研究需求而設計。
該設備能夠快速獲取 QFLS 分布圖，幾秒鐘內即可評估不同制程條件下材料的 QFLS 均勻性與效率潛力。這種快速可視化能力尤其適用于制備過程中的逐層測試，快速了解每一層材料對整體組件性能的影響，從而縮短實驗周期。
QFLS-Maper 具備多模態功能，整合了 QFLS、iVOC、偽 J-V 曲線（Pseudo J-V curves）、PL 圖像、PLQY、EL 圖像等多種檢測手段。這使得研究人員在材料開發早期，即可透過偽 J-V 曲線快速預測材料的理論效率上限，有效篩選高效率潛力材料。該設備的高動態范圍（光學強度達 5 個數量級以上）和高靈敏度（PLQY 可測至 10^-4%）特點，確保了數據的準確性和國際可比性，為發表高質量學術成果提供了堅實的基礎。
QFLS 已成為太陽能光伏研究領域從定性分析邁向定量精確的橋梁。它不僅提供了材料本身的內在電壓潛力，更精準地定位了電壓損失的物理根源，無論是體內復合、界面缺陷，還是離子遷移。透過 QFLS 及其空間分布圖，光電領域的專家能夠高效指導材料設計、優化組件結構，為實現更高效率、更穩定的新一代太陽能電池提供明確的研發方向。
