太陽光発電業界では、リン濃度が高い低品質の材料が使用されることもあります。リンの偏析係数は0.35であるため、鋳塊の上部（最後に凝固する部分）に偏析します。そこでは濃度が高くなりすぎて、導電型がp型からn型へと変化することさえあります。 当然ながら、このようなn型材料は太陽電池の製造には使用できなくなる。 伝導型が完全にn型に変化する前の段階では、インゴットの一部に高度に補償された領域が存在し、その部分の抵抗率は非常に高くなります。渦電流による抵抗率測定では高分解能での測定が困難であるため、このようなpn変化の検出には光伝導度を用いることが望ましいです。
光伝導度や信号の高さは抵抗率に依存します。これは、抵抗率の増加に伴いマイクロ波の表層深度が増加するため、抵抗率が高いほど試料のより大きな体積が測定されるからです。この依存関係を利用して pn 遷移を検出することができます。
巧妙なコンピュータアルゴリズムを用いることで、光伝導度の急激な上昇を検出することが可能となり、1 mmの分解能でpn変化を検出できる（図1および図2）。このアルゴリズムは、MDPingotおよびMDPingot inlineツールのソフトウェアに組み込むことができる。
MDPingotおよびMDPingot inlineは、図1および図2に示すように、1mmの分解能でインラインでのpn変化を検出することを可能にします。この機能により、製造工程の早い段階で不要なn型材料を選別することが可能です。
詳細については、以下をご覧ください：
[1] N. Schüler, D. Mittelstrass, K. Dornich, J.R. Niklas, 第35回IEEE太陽光発電専門家会議（ホノルル、2010年）852-857
Fig. 1: photoconductivity map of a mc-Si brick with the indicated detection brick height of the pn algorithm and height at which the mean resistivity linescan rises above 3 cm
Fig. 2: mean photoconductivity linescan along with the output of the pn detection algorithm and the mean resistivity linescan
関連ソリューションおよび業界: エピタキシャル層と薄膜
