MétaCan
Menu
Retour à la cohorte
Enregistrement W1986738220 · doi:10.1063/1.4821220

Improving the efficiency of silicon solar cells using the novel gas-lift effect texturing approach

2013· article· en· W1986738220 sur OpenAlexaff
M. Amouzgar, Mojtaba Kahrizi

Notice bibliographique

RevueJournal of Renewable and Sustainable Energy · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueSilicon and Solar Cell Technologies
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésSiliconMaterials scienceOptoelectronicsSolar cellBlack siliconAbsorption (acoustics)Energy conversion efficiencyEtching (microfabrication)Lift (data mining)Solar cell efficiencyElectricity generationOpticsEngineering physicsNanotechnologyComputer sciencePower (physics)EngineeringComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Texturing the surface of the silicon-based solar cells significantly increases the light absorption contributing to their overall efficiency. Wet anisotropic etching technique utilizing the novel gas-lift effect (GLE) approach is an effective and low-cost approach for texturing commercial silicon solar cells. Two solar cell devices, one based on the novel GLE texturing approach and the other based on the conventional method, were designed, fabricated, and characterized. A significant improvement (more than 100%) was observed in the efficiency of the solar cell based on the GLE texturing approach. This improvement may be contributed to the significant impact of utilizing the GLE approach on increasing the real surface area (resulting in higher electron-hole pair generation) and increased light absorption (decreased reflectivity). The application of the new GLE texturing approach results in considerable improvements in overall power efficiency of silicon solar cells without any additional increase to the production cost.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,417

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,005
Tête enseignante GPT0,178
Écart entre enseignants0,173 · 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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Renewable and Sustainable EnergyMême sujetSilicon and Solar Cell TechnologiesTravaux en français237 207