MétaCan
Menu
Retour à la cohorte
Enregistrement W1945566154 · doi:10.6000/1929-6002.2014.03.04.6

Numerical Simulation of Quantum Efficiency of Cd0.8Zn0.2S /CIGS Solar Cells

2014· article· en· W1945566154 sur OpenAlexvenueno aff
E. Ihalane, Lahoucine Atourki, L. Alahyane, Hassan Kirou, L. Boulkaddat, E. El hamri, A. Ihlal, K. Bouabid

Notice bibliographique

RevueJournal of Technology Innovations in Renewable Energy · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueChalcogenide Semiconductor Thin Films
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCopper indium gallium selenide solar cellsQuantum efficiencyTernary operationMaterials scienceOptoelectronicsBuffer (optical fiber)Thin film solar cellSolar cellWavelengthLayer (electronics)NanotechnologyComputer scienceElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The paper presents a simulation study using the numerical simulator SCAPS-1D to model ZnO/Cd0.8Zn0.2S/CuIn(1-y)GaySe2/CuInSe2 structures. Effects of thickness of graded and ungraded CIGS absorbers and buffer layers on cell performance have been investigated with the aim to reach a higher efficiency. Quantum efficiency (QE) as function of wavelength and thickness of these layers was studied. The high efficiency of CIGS cells, in order of 22.05%, has reached with the absorbers thickness between 2μm and 3.5μm and with acceptor concentration of about 2.1016 cm3. Other hand, we investigate the effect of Cd0.8Zn0.2S ternary compound buffer on the top of the p-CIGS cell. These simulation results give some important indication to enable further development of multilayer thin-film solar cells based on CuInGaSe2 with Cd0.8Zn0.2S as buffer layer instead of CdS

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,284
Score d'incertitude au seuil0,628

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,228
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Technology Innovations in Renewable EnergyMême sujetChalcogenide Semiconductor Thin FilmsTravaux en français237 207