MétaCan
Menu
Retour à la cohorte
Enregistrement W1991076163 · doi:10.1109/wcpec.2006.279601

RISE: 21.5% Efficient Back Junction Silicon Solar Cell with Laser Technology as a Key Processing Tool

2006· article· en· W1991076163 sur OpenAlexfundno aff
P. Engelhart, N.-P. Harder, Agnes Merkle, R. Grischke, Rüdiger Meyer, Rolf Brendel

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSilicon Nanostructures and Photoluminescence
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Gender and HealthAustralian Government
Mots-clésMaterials scienceSiliconPhotocurrentOptoelectronicsAluminiumBoronSolar cellLaserDopingCrystalline siliconEvaporationOpticsMetallurgyChemistry

Résumé

récupéré en direct d'OpenAlex

We employ laser technology as a key processing tool for fabricating our novel RISE (rear interdigitated single evaporation) silicon solar cells. The contactless production sequence incorporates a self-aligning single evaporation step for metallising the interdigitated rear contacts. In this paper, we compare in detail the performance of two types of RISE solar cells with different contact formations to the base: (a) back surface field formation via aluminium doping produced by local laser-firing of the aluminium contact (Al-BSF) and (b) local diffusion of boron (B-BSF). The best solar cell with B-BSF has an AM 1.5 efficiency of 21.5 %. The efficiencies of RISE solar cells with Al-BSF are considerably lower due to 5-10 % lower short-circuit currents. We ascribe these photocurrent losses to a less-efficient BSF effect of the laser-fired contact compared to a boron-diffused BSF

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,003
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0020,001

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 Opus0,004
Tête enseignante GPT0,194
Écart entre enseignants0,191 · 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.

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

Citations9
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSilicon Nanostructures and PhotoluminescenceTravaux en français237 207