Three-dimensional scanning near field optical microscopy (3D-SNOM) imaging of random arrays of copper nanoparticles: implications for plasmonic solar cell enhancement
Notice bibliographique
Résumé
In order to investigate the suitability of random arrays of nanoparticles for plasmonic enhancement in the visible-near infrared range, we introduced three-dimensional scanning near-field optical microscopy (3D-SNOM) imaging as a useful technique to probe the intensity of near-field radiation scattered by random systems of nanoparticles at heights up to several hundred nm from their surface. We demonstrated our technique using random arrays of copper nanoparticles (Cu-NPs) at different particle diameter and concentration. Bright regions in the 3D-SNOM images, corresponding to constructive interference of forward-scattered plasmonic waves, were obtained at heights Δz ≥ 220 nm from the surface for random arrays of Cu-NPs of ∼ 60-100 nm in diameter. These heights are too large to use Cu-NPs in contact of the active layer for light harvesting in thin organic solar cells, which are typically no thicker than 200 nm. Using a 200 nm transparent spacer between the system of Cu-NPs and the solar cell active layer, we demonstrate that forward-scattered light can be conveyed in 200 nm thin film solar cells. This architecture increases the solar cell photoconversion efficiency by a factor of 3. Our 3D-SNOM technique is general enough to be suitable for a large number of other applications in nanoplasmonics.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».