Gaussian Disorder Model

一个电荷离开单条共轭链以后，进入一整块真实、无序的有机固体，它究竟怎么走？

锚点论文是 Heinz Bässler 1993 年的长篇综述式研究：“Charge Transport in Disordered Organic Photoconductors: A Monte Carlo Simulation Study”, Physica Status Solidi B 175, 15–56. 但 Gaussian Disorder Model 并不是 1993 年突然出现的。Bässler 和合作者在 1970–80 年代已经通过 time-of-flight 电输运和 Monte Carlo 模拟逐步建立这套图景，尤其是 1982 年 Bässler、Schönherr、Abkowitz 和 Pai 关于 prototypical organic glasses 的工作，已经明确提出：有机玻璃中局域态的能量可以用近似 Gaussian 分布描述，典型 energetic disorder 宽度大约在 0.1 eV 量级。1993 年那篇论文更像是把十几年积累的理论和实验统一起来。

要理解它为什么重要，先回到上一章的 SSH。SSH 解决的是一条理想共轭链上的问题：电荷进入一个柔软的 π 共轭骨架以后，会改变局部键长和电子结构，所以 charge 与 lattice distortion 不能完全分开，最终形成 soliton、polaron、bipolaron 这样的准粒子。可是现实器件不是一条孤立的、完美排列的 polymer chain。你 spin-coat 出来的薄膜里有数以亿计的分子或链段，它们的取向、扭转角、局部堆积、周围偶极矩和介电环境都不完全一样。于是下一个问题自然出现：即使我们已经知道“一个 polaron 是什么”，它怎么从样品的一端走到另一端？

这里最容易犯的错误，是把 ChemDraw 里的分子能级直接当成固体中的唯一能级。假设某种分子的 HOMO 是 −5.2 eV。我们常常会下意识地认为，薄膜里的每一个分子都有一个 −5.2 eV 的 HOMO。实际上，一个分子如果处在较平整的局部环境里，周围分子的极化、取向和静电势可能使它的局域能级成为 −5.10 eV；另一个相同分子因为主链稍微扭曲、附近存在偶极或者 packing 不同，可能变成 −5.18 eV。再换一个局部环境，又可能是 −5.06 eV。分子的化学结构完全一样，它们在固体中的局域 electronic site energy 却并不一样。 这就是 energetic disorder。

这一步把有机半导体和理想无机晶体彻底区分开了。在完美周期晶体里，原子势场具有周期性，电子可以形成延伸的 Bloch wave 和清楚的 valence/conduction bands。无序有机固体没有这种严格周期性，很多电子态因此高度局域。载流子不再像一个自由电子在平坦能带里连续运动，更合适的图像是：它从一个局域态跳到另一个局域态，再跳到第三个。于是出现了 hopping transport。

hopping 本身也不是 Bässler 发明的。早在 1960 年，Miller 和 Abrahams 就为局域态之间的 phonon-assisted hopping 建立了一个非常经典的速率模型。它的物理直觉很简单：两个局域态离得越远，波函数 overlap 越小，所以跳过去的概率指数下降；如果目标态能量比当前态低，电荷可以通过释放能量完成这个跳跃；如果目标态能量更高，就必须从热浴里吸收能量，因此概率又多一个 Boltzmann 因子。换句话说，载流子每一步都在做一个权衡：是跳到一个距离近但能量不理想的位置，还是跳得远一点去寻找更有利的能量位置？

到了 1970 年代，人们通过 time-of-flight 实验发现，无序有机材料里的电荷输运非常不像一个整齐的“车队”。在理想情况下，如果所有载流子漂移速度接近，激光脉冲在电极附近产生一群载流子，它们经过一个明确的 transit time 到达另一侧，电流会出现清晰转折。但在 amorphous organic solids 里，实验常常看到很宽的 transit-time distribution：一些载流子走得很快，一些掉入低能态后停留很久，另一些反复经历“跳—停—跳—停”。Scher 和 Montroll 在 1970 年代用 dispersive transport 理论描述过这类现象。Bässler真正做的，是把这种“乱七八糟的输运”变成了一个可以由少数统计参数控制的模型。

他的核心假设极其大胆，也极其简单：不去追究每一个低能态究竟由什么化学缺陷造成，而是假设所有局域 transport sites 的能量服从一个近似 Gaussian distribution。这个分布最重要的参数是宽度 σ，也就是 energetic disorder。σ 越大，说明整个能量景观越崎岖。很多早期有机玻璃拟合得到的 σ 大约是 0.1 eV，而室温下 (k_BT) 只有约 0.026 eV。也就是说，局域能量起伏可以达到几倍于热能的尺度。对一个载流子而言，这不是一片略微起伏的平原，而是一片非常明显的山地。

现在把一个载流子放进这片山地，故事就开始了。它刚被光激发或从电极注入时，可能处于相对高能的局域态。只要附近有能量更低的 site，它就倾向往下跳，于是逐渐向 Gaussian DOS 的低能 tail 放松。问题在于，DOS 越往尾部，态密度越低。一个载流子一旦掉进较深的低能态，附近可能找不到能量相近的下一站。它要继续前进，要么跳得很远，要么借助热涨落重新爬到更高的能量。因此，仅仅是统计意义上的 energetic disorder，就可以产生类似 trap 的行为。 你不需要先假设那里有氧气、水、断键或者某个特殊 chemical defect。

这一点非常重要，因为它把“trap”拆成了两类。第一类是我们通常直觉理解的 extrinsic trap：氧、水、杂质、结构缺陷等创造出一个特定的深能级。第二类是 disorder-induced tail state：材料化学上可能完全干净，只因为每个局域环境不同，Gaussian DOS 自己就自然产生低能尾态，而落入这些尾态的载流子同样会表现得像被困住。因此以后你看到“trapping”时，不能自动翻译成“样品里一定有杂质”。

这套图景很自然地解释了为什么很多有机半导体的 mobility 对温度如此敏感。载流子掉进低能 tail 后，如果要向更高能量的 site 跳，就需要 thermal activation。温度降低以后，它逃离低能区的概率迅速下降，所以 mobility 下降。更有意思的是，在 Gaussian disorder 中，这种温度依赖通常不是最简单的 Arrhenius 形式。因为载流子的平均占据能量本身也随温度变化，经典 GDM 给出的低场、低载流子浓度极限中，(\ln\mu) 往往近似与 (-(\sigma/k_BT)^2) 成正比，也就是更接近 (1/T^2) 关系，而不是简单的 (1/T)。这件事直接告诉我们：mobility 对 disorder 不是线性敏感，而是极其敏感。 σ 从 60 meV 增加到 100 meV，看起来只是几十 meV 的变化，最后可能对应几个数量级的 mobility 差异。

这也是 Bässler 留给整个有机半导体领域最重要的设计观念之一：高 mobility 不能只理解成“π–π stacking 更近、transfer integral 更大”。如果整个 DOS 很宽、energy landscape 很崎岖，再大的局部电子耦合也可能被低能 tail、trapping 和不均匀 transport bottleneck 抵消。反过来，一个材料即使不是极端高度结晶，如果它的局域能级对结构扰动很不敏感，energetic disorder 很小，也可能具有非常优秀的输运。这条逻辑后来会直接通向 Sirringhaus 和 McCulloch 团队关于 IDTBT 的“approaching disorder-free transport”。

电场依赖也可以用同一幅山地图景理解。很多无序有机材料实验上出现近似 Poole–Frenkel-like 的行为：电场越大，mobility 越高。过去很容易把这种现象简单归结为 charged traps，但 Bässler 的工作说明，即使只考虑 Gaussian energetic disorder 和 hopping，本身也可以产生显著的 field-dependent mobility。电场相当于把原本起伏的能量景观整体倾斜，沿着场方向前进时，某些原来需要吸收较多热能的 hop 会变得更有利，所以平均漂移速度提高。这里的核心观念仍然没有改变：mobility 并不是材料内部一个永远不变的常数，而是整个 hopping landscape 在特定温度、电场和载流子占据情况下的统计结果。

这就是为什么 Monte Carlo 对 Bässler 来说如此自然。你几乎不可能手算一个包含成千上万个随机能级的网络里载流子会走哪条路。计算机可以随机生成大量 sites，为每个 site 分配一个 Gaussian energy，再按照 Miller–Abrahams 类型的跳跃速率决定载流子的下一步。某一次它跳到附近低能 site，下一步又掉进很深的 tail state，在那里等待很久，然后热激发出来继续前进。另一个载流子走完全不同的路径。单个轨迹毫无规律，但把几十万、几百万次随机运动统计起来，宏观 mobility、transit time、temperature dependence 和 field dependence却呈现出稳定规律。GDM最深的贡献，是把“无序”从一个模糊形容词变成了一个可以量化和预测的统计物理问题。

后来人们当然发现，最初的 Gaussian Disorder Model 仍然过于简单。经典版本通常假设不同 site 的能量基本独立随机，但真实分子固体里存在永久偶极和长程 electrostatic potential。如果某一区域由于一组分子偶极而能量偏低，它附近的 sites 往往也会受到相似影响，因此 energetic disorder具有空间相关性。1996 年 Dunlap、Parris 和 Kenkre 提出的 correlated disorder / charge-dipole 思路，以及随后 Novikov 等人的工作，强调了这种 spatial correlation 对 field dependence 的重要性。这不是把 Bässler 推翻，而是告诉我们：Gaussian distribution 可以保留，但“能量随机”的空间结构不能永远忽略。

另一个重要扩展来自 carrier concentration。经典 GDM 最容易处理的是载流子非常稀少的情况，因为每个 carrier 基本不影响其他 carrier。但真实 OLED、OFET、SCLC diode 或 heavily doped polymer 里，carrier concentration 可以很高。此时低能 tail states会被逐渐占据，后来进入的载流子只能去更高能的 transport states，这种 state filling 本身就会提高 mobility。2005 年 Pasveer、Coehoorn、Bobbert、Blom 等人的工作把温度、电场和载流子浓度统一进一个扩展 Gaussian disorder framework，也就是后来经常见到的 EGDM。于是 mobility 更准确地应该写成一个状态依赖量，而不是单一数字：(\mu=\mu(T,F,n,\sigma,\ldots))。

这件事对你做器件尤其实际。我们经常把 SCLC 里的 Mott–Gurney 公式拿来拟合 mobility，其中默认 mobility 是常数。但在真实 disordered organic semiconductor 中，mobility 本身可能随 field 和 carrier density 改变。所以从一条 J–V 曲线拟合出的 (10^{-4}) 或 (10^{-3},\mathrm{cm^2V^{-1}s^{-1}})，很多时候更应该理解成某个特定实验窗口下的 effective mobility，而不是一个像密度一样完全固定的材料常数。这也解释了为什么 TOF、SCLC、FET、CELIV 等方法对同一个材料可能给出不同 mobility：它们测量的 carrier density、field、transport direction、interface/bulk region 和时间尺度根本不同。

Bässler这套理论后来还迫使整个领域重新思考“结构无序”和“能量无序”的关系。我们习惯看到 GIWAXS 变漂亮、π–π stacking 变近，就写“energetic disorder reduced”。这在逻辑上并不能自动成立。Structural disorder 描述的是原子或分子的几何排列；energetic disorder 描述的是局域 electronic site energies 的分布。两者当然可能相关，但不是同一个量。一个材料在 GIWAXS 上看起来并没有高度结晶，只要它的 backbone electronic structure 对小幅 torsion 和 local-environment fluctuation 不敏感，energetic disorder 仍然可能很低。2014 年 Venkateshvaran、Sirringhaus、McCulloch 等关于 IDTBT 的工作正是这一点的代表：材料并不依赖传统意义上的高结晶度，却可以接近低无序输运。这个结果不是否定 Bässler，反而是把 Bässler 的问题反过来做材料设计——既然 σ 如此重要，那就设计一个对结构扰动“不敏感”的电子体系。

这里还要特别区分 Bässler 的 σ 和现在光伏文献常讲的 Urbach energy。两者都经常被叫“disorder”，但不能直接等号。Gaussian disorder 中的 σ 主要描述 localized charge-transport DOS 的能量分布，而 Urbach energy 通常来自 optical absorption edge 的指数尾。一个更接近 charge transport DOS，一个更多反映 optical transition / band-edge tail。它们可能相关，却不是数学上同一个参数。因此只根据一条 EQE/PDS tail 变窄就断言“transport energetic disorder一定降低”，其实过于简单。

到这里，再把 Bässler 和上一章 SSH 放在一起，你会看到两种完全不同的“局域化”。SSH讲的是 self-localization：charge进入共轭链后引起局部分子结构松弛，相当于 charge 自己制造了一个 potential well，形成 polaron。Bässler讲的是 disorder localization：即使 charge 不改变结构，材料原本就存在随机的局域能量景观，carrier 会掉入低能区域。现实材料通常同时有这两件事，因此“到底是 polaron 还是 energetic disorder”往往不是二选一问题，而是两者强弱如何共同决定输运。

这也把我们带到有机半导体运输理论真正有意思的地方。Bässler代表的是一个极端：电子态强烈局域，transport主要通过 phonon-assisted hopping 完成。但后来高质量 rubrene 单晶出现了一组非常不符合这个图景的实验：在一定温度范围内，降温以后 mobility 反而提高，而且数值可以达到十几甚至几十 (\mathrm{cm^2V^{-1}s^{-1}})。这看起来更接近 band-like transport。问题就变成了：同样是有机半导体，为什么一类材料像 Bässler 描述的无序 hopping solid，另一类却接近 band-like conductor？

而更棘手的是，后来又出现第三类材料：像 IDTBT 这样的高迁移率聚合物，形貌并没有像高质量单晶那么完美，却仍然可以表现出很低的 energetic disorder。于是简单的“amorphous = hopping，crystal = band transport”也不够了。

所以 Bässler 1993 真正留下来的不是一个过时的公式，而是一套至今仍然有效的语言：不要只问材料的平均 HOMO/LUMO是多少，要问 DOS 有多宽；不要只问 π–π distance是多少，要问电荷实际看到的 energy landscape有多崎岖；不要把 mobility 当成一个孤立数字，要问它在什么温度、电场、载流子浓度和结构环境下测得。

如果把前三个故事连成一句完整的话，就是：1977 年 Shirakawa、MacDiarmid 和 Heeger告诉我们，共轭高分子的电子状态可以通过 doping 被大幅度调节；1979 年 SSH告诉我们，电荷进入柔软的共轭骨架后会和分子结构耦合，因此 carrier 本身具有 polaronic character；Bässler则把视角从“一条链”扩大到“一整块固体”，告诉我们这些载流子还必须穿过一个统计无序的 energy landscape，而宏观 mobility 正是无数随机 hopping 事件的集体结果。

下一步最自然的故事不是继续讲另一个 hopping 模型，而是去看它的“反例”：为什么 rubrene 单晶中的电荷看起来并不按 Bässler 的 hopping 图景运动？ 这会把 Podzorov 2004、早期 organic single-crystal transport、band-like mobility、Troisi 的 dynamic disorder，以及后来 Fratini 的 transient localization 串成下一章。