北理工团队在全聚合物太阳能电池受体材料构筑方面取得重要进展

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

北理工团队在全聚合物太阳能电池受体材料构筑方面取得重要进展

近日,北京理工大学化学与化工学院王金亮教授团队在新型聚合物受体材料创制及其在高性能全聚合物太阳能电池构筑方面取得重要进展,相关研究成果发表在材料类国际顶级期刊《 materials science and engineering: r: reports 》(影响因子if = 31.6)上,题为“electron-deficient fused dithieno-benzothiadiazole-bridged polymer acceptors for high-efficiency all-polymer solar cells with low energy loss”。北京理工大学为第一通讯单位,化学与化工学院王金亮教授、安桥石特别研究员、四川大学彭强教授、徐小鹏教授、华南理工大学吴宏滨教授为共同通讯作者。化学与化工学院博士生白海瑞和张恒以及四川大学博士生孟惠峰和李银凤为该论文的共同第一作者。

“双碳”战略下,绿色低碳能源的创新开发已成为研究热点。全聚合物太阳能电池(all-polymer solar cells, all-PSCs)作为一种实用型绿色光电转换技术,具有轻、薄、柔和易加工等诸多优点受到了广泛关注。由于聚合物受体材料具有强分子链间缠绕能力与高的热稳定性,相应的器件具有强的机械拉伸性能和稳定的活性层形貌,在柔性可穿戴便捷式电子器件领域展现出巨大的应用前景。然而由于全聚合物太阳能电池受体材料匮乏与活性层形貌敏感且难以调控,其整体效率落后于其它类型电子给受材料构筑的有机太阳能电池。因此,如何高效合成新颖聚合物受体材料和制备出高效率兼具稳定性好的全聚合物太阳能电池,是该领域目前亟待解决的关键科学问题之一。

北理工团队在全聚合物太阳能电池受体材料构筑方面取得重要进展

图1. 聚合物受体的分子结构和本征光电性质图

针对上述的关键科学问题,王金亮教授团队在前期重原子取代的受体材料的创制及其在高性能有机太阳能电池中的应用研究工作( Angew. Chem. Int. Ed. 2023, 62, e202313016; Angew. Chem. Int. Ed. 2021, 60, 19241, ESI高被引论文; Angew. Chem. Int. Ed. 2023, 62, e202216340,ESI高被引论文; Angew. Chem. Int. Ed. 2022, 61, e202209454等)的基础上,采用聚合小分子受体化的构筑策略,以经典的“Y系列”小分子受体作为基本主受体合成砌块A1,分别以完全稠合的二噻吩苯并噻二唑DTBT单元以及非完全稠合的苯并噻二唑连二噻吩DT-BT作为缺电子桥接单元A2,高效合成A1-A2型聚合物受体材料PY-DTBT和PY-DT-BT,以及相应的基于富电子噻吩桥接单元的经典聚合物受体材料PY-IT(见图1)。进而系统探究不同电子效应以及稠合程度的桥接单元对聚合物受体光电行为、分子间堆积以及相应全聚合物太阳能电池的光伏性能和能量损失的影响和内在机制。

北理工团队在全聚合物太阳能电池受体材料构筑方面取得重要进展

图2. PM6/聚合物受体共混薄膜的形貌图

北理工团队在全聚合物太阳能电池受体材料构筑方面取得重要进展

图3. 全聚合物有机太阳能电池的性能与能量损失图

与PY-IT相比,A1-A2型聚合物受体PY-DTBT和PY-DT-BT纯膜表现出略微蓝移的吸收,但吸收系数更高,能级略微下移。与聚合物受体PY-DT-BT相比,在聚合物主链中加入完全稠合的缺电子结构DTBT的A2桥接单元,促进了分子内电子离域,增强聚合物受体PY-DTBT的平面度,从而有助于更好的结晶度和获得高载流子迁移率特点。PM6/PY-DTBT共混薄膜具有均匀分布的原纤维网络形态,具有适当的相分离和更好的薄膜结晶取向,可以促进电荷的产生和提取,并在相应的全聚合物电池中实现更好的电荷迁移率平衡,抑制复合,从而提高了器件的短路电流密度 J SC和填充因子FF(见图2)。最终,基于PM6/PY-DTBT的二元全聚合物太阳能电池获得17.58% 的光电能量转换效率,优于基于PM6/PY-IT与 PM6/PY-DT-BT器件效率。更重要的是,PM6/PY-DTBT的二元全聚合物太阳能电池与其他全聚物电池相比,也获得了非常低的能量损失(0.51 eV),实现了较高的开路电压。此外,以PY-IT作为第三组分进一步优化形貌,制备了基于PM6/(PY-DTBT90%:PY-IT10%)的三元全聚合物太阳能电池获得了18.51%的优异光电能量转换效率,这是报道时基于A1-A2型聚合物受体的全聚合物太阳能电池最高光电转换效率之一(见图3)。这项工作强调了将完全稠合的二噻吩苯并噻二唑DTBT用作缺电子桥链单元构筑聚合物受体材料是开发优异的A1-A2型聚合物受体的一种简单有效的策略,这为实现全聚合物太阳能电池兼具高效率和低能量损失的特质提供了新思路。

上述研究工作得到了国家自然科学基金面上项目、国家级青年人才项目、全国博士后创新人才支持计划、北京理工大学特立青年学者计划、北京理工大学科技创新计划特立学生科技创新团队等项目以及北京市光电转换材料重点实验室和北京理工大学分析测试中心的支持。另外北京工商大学李熊教授团队以及上海交通大学的刘烽教授团队给予了大力支持。

以上就是北理工团队在全聚合物太阳能电池受体材料构筑方面取得重要进展的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/187722.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2025年11月1日 11:41:52
下一篇 2025年11月1日 11:43:44

相关推荐

  • XML处理如何避免阻塞?

    核心在于采用流式解析与异步处理结合的方式。首先,放弃DOM这种全量加载模式,改用SAX或StAX实现边读边解析,仅保留当前节点信息,大幅降低内存占用并避免初始化阻塞。其次,在解析过程中将耗时业务逻辑(如数据库写入、复杂计算)封装为任务提交至线程池,实现解析与处理的并行化,防止主线程卡顿。SAX为事件…

    2025年12月17日
    000
  • RSS订阅如何推荐内容? RSS个性化内容推荐算法的实现指南

    答案:利用用户画像、协同过滤、冷启动策略及多维度评估可优化RSS内容推荐。通过分析用户行为构建动态画像,结合内容匹配与相似用户偏好进行推荐;新用户阶段采用基于内容、热门文章和兴趣引导策略应对冷启动;用点击率、阅读时长、转化率和A/B测试评估效果;未来趋势指向更高个性化、智能化、多模态与社交化推荐。 …

    2025年12月17日
    000
  • SOAP服务性能测试?压力测试工具?

    答案是进行SOAP服务性能测试需明确目标、编写脚本、执行测试并分析结果,核心是模拟真实负载并监控系统指标。常见瓶颈包括数据库低效、网络延迟、应用服务器配置不当、XML解析开销及外部依赖问题;推荐使用JMeter、LoadRunner或SoapUI等工具,结合响应时间、吞吐量、错误率及服务器资源指标进…

    2025年12月17日
    000
  • Golang如何使用指针简化大对象传递_Golang pointer降低拷贝成本方法

    传值成本高因Go默认复制整个大对象,使用指针仅传递地址可避免开销。1. 大结构体传值触发完整内存拷贝,耗时增、内存涨、GC压力大;2. 指针传递仅复制8字节地址,时间空间成本恒定;3. 适用场景:大对象、需修改原数据、高频调用函数;4. 注意只读操作宜传值、防nil指针、不返回局部变量地址。合理用指…

    2025年12月16日
    000
  • Golang如何优化JSON编码与解码效率_Golang JSON编码解码性能优化实践

    使用高性能第三方库如jsoniter可提升30%-50%性能,结合预生成编解码器、复用内存缓冲区、精简结构体字段与GC调优,能显著降低CPU与内存开销,适用于高并发JSON处理场景。 在Go语言开发中,JSON的编码与解码是高频操作,尤其在Web服务、微服务通信和数据序列化场景中。当系统吞吐量上升或…

    2025年12月16日
    000
  • Golang如何实现享元模式优化内存_Golang Flyweight模式应用实践

    享元模式通过共享相似对象的内部状态减少内存使用,适用于高并发场景。1. 定义包含不可变状态的结构体如LogConfig;2. 使用map和互斥锁实现工厂函数GetLogConfig以复用实例;3. 将可变数据如message、timestamp作为外部参数传入方法;4. 结合sync.Pool复用临…

    2025年12月16日
    000
  • Golang如何测试Goroutine并发行为_Golang 并发测试与性能分析方法

    使用-race检测数据竞争,结合sync.WaitGroup和channel进行可控测试,利用pprof分析性能瓶颈,通过压力测试验证稳定性。 Go语言的Goroutine让并发编程变得简单高效,但同时也带来了测试上的挑战。直接启动多个Goroutine后,如何确保它们按预期协同工作?又如何发现竞态…

    2025年12月16日
    000
  • Golang如何通过反射遍历切片元素_Golang 切片元素遍历实践

    答案:Golang通过反射遍历切片需先用reflect.ValueOf获取切片的Value,验证其Kind为Slice且非nil,再通过Len()和Index(i)遍历元素,结合Interface()获取实际值;处理不同类型时可用switch判断Kind,对结构体或嵌套切片可递归处理;空切片Len为…

    2025年12月16日
    000
  • 如何在Golang中优化RPC调用性能_Golang RPC调用性能优化实践

    使用高效序列化协议如protobuf,启用长连接与连接复用,减少往返次数并批量处理请求,优化服务端并发处理能力,结合监控与参数调优,可显著提升Golang中RPC调用性能。 在Golang中提升RPC调用性能,关键在于减少延迟、提高吞吐量并合理利用系统资源。无论是使用gRPC、JSON-RPC还是自…

    2025年12月16日
    000
  • Golang如何优化对象创建与销毁开销_Golang 对象创建销毁优化实践

    答案:通过减少堆分配、使用sync.Pool复用对象、优化字符串拼接及结构体布局,可有效降低Go程序的内存分配压力与GC开销。具体包括避免返回局部指针、用值传递小对象、内联函数辅助逃逸分析;对临时对象如缓冲区使用sync.Pool;以strings.Builder替代字符串+=拼接;合理排列结构体字…

    2025年12月16日
    000
  • Golang如何优化CPU占用率_Golang CPU占用优化实践

    Go服务高CPU占用主因包括频繁GC、死循环、字符串拼接和锁竞争;通过pprof分析定位热点,复用sync.Pool对象、使用strings.Builder减少内存分配可有效优化性能。 Go语言凭借其高效的并发模型和简洁的语法,在后端服务开发中广泛应用。但随着业务复杂度上升,部分Go服务在高负载场景…

    2025年12月16日
    000
  • Go App Engine 高并发计数器:基于任务队列的可靠实现指南

    本文探讨了在go app engine上实现高并发、大规模投票计数的挑战。针对使用实例内存和分片memcache的初步设想,文章推荐采用app engine任务队列(特别是拉取队列)作为更可靠、可扩展的解决方案。通过任务队列,可以实现投票任务的批量处理、持久化和故障恢复,确保在短时间内高效准确地统计…

    2025年12月16日
    000
  • Go App Engine高并发分片计数器实践:利用任务队列构建可靠投票系统

    本文探讨在go app engine上构建高并发、可靠投票计数系统的最佳实践。面对短时间内处理海量用户投票的挑战,传统的实例内存或直接memcache方案存在可靠性风险。文章重点介绍如何利用app engine任务队列(特别是拉取队列)作为核心机制,实现投票的异步处理、批量聚合与持久化,从而确保计数…

    2025年12月16日
    000
  • 如何在Golang中进行微服务性能分析_Golang 微服务性能分析指南

    使用pprof进行CPU、内存、goroutine分析,定位性能瓶颈;2. 通过Prometheus实现请求延迟、调用次数等指标的实时监控;3. 集成OpenTelemetry完成分布式追踪,精准识别跨服务延迟根源。 微服务架构在现代应用开发中广泛应用,而Go语言因其高并发、低延迟的特性成为构建微服…

    2025年12月16日
    000
  • 使用Go、App Engine和任务队列实现高吞吐量分片计数器

    本文旨在探讨在google app engine上使用go语言实现高吞吐量、高可靠性分片计数器的最佳实践。针对瞬时大量用户投票的场景,我们分析了直接使用实例内存的局限性,并推荐采用app engine任务队列(尤其是拉取队列)作为核心机制,结合dedicated memcache和datastore…

    2025年12月16日
    000
  • 使用Go、App Engine和任务队列实现大规模高并发计数器

    本文探讨了在go和app engine环境下实现高并发计数器的方法。针对直接使用实例内存的潜在问题,推荐采用app engine任务队列(特别是拉取队列)机制。通过将投票事件作为任务处理,利用批量操作提高数据处理的可靠性、效率和可伸缩性,有效应对短时间内海量用户投票的挑战,并确保数据持久化和一致性。…

    2025年12月16日
    000
  • 使用Go和App Engine实现高并发分片计数器:Task Queue最佳实践

    本文探讨了在Google App Engine上使用Go语言实现高并发分片计数器的策略,特别针对短时间内处理大量用户投票的场景。文章分析了直接使用实例内存的局限性,并推荐采用App Engine的Task Queue(特别是Pull Queue)机制。这种方法能有效聚合投票任务,确保数据处理的可靠性…

    2025年12月16日
    000
  • 虚拟机实现中的字节码:为何选择以及其核心优势

    在虚拟机(vm)设计中,选择解释字节码而非直接解释虚拟机汇编语言,主要为了实现跨平台兼容性。字节码作为一种中间表示,确保程序能在不同宿主环境下运行,极大提升了虚拟机的通用性和部署灵活性,是构建可移植vm的关键策略。 虚拟机实现中的字节码与直接汇编解释 在设计和实现虚拟机(VM)时,开发者常面临一个核…

    2025年12月16日
    000
  • Golang如何实现高并发Web请求处理_Golang Web高并发处理方法

    Go语言通过Goroutine和调度机制高效处理高并发Web请求,每个请求由独立Goroutine处理,示例中使用带缓冲channel限制并发数为100,防止资源耗尽,结合数据库与HTTP连接池复用资源,降低开销,同时利用pprof工具分析性能瓶颈,提升服务稳定性与吞吐量。 Go语言凭借其轻量级的G…

    2025年12月16日
    000
  • Golang如何优化垃圾回收GC压力_Golang GC优化与内存管理实践

    Go的GC基于三色标记和写屏障,减少停顿但高并发下仍需优化。通过逃逸分析、sync.Pool复用对象、预分配slice、调整GOGC等手段降低GC压力,结合pprof和MemStats监控,避免内存泄漏,持续优化内存使用。 Go语言的垃圾回收(GC)机制基于三色标记法,配合写屏障实现并发回收,极大减…

    2025年12月16日
    000

发表回复

登录后才能评论
关注微信