Nanostructured Thermionics for Conversion of Light to Electricity: Simultaneous Extraction of Device Parameters
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Thermionic conversion involves the direct conversion of heat, including light-induced heat, from a heat source, e.g., solar energy, to electricity. Although the concept is almost a hundred years old, the progress of thermionic convertors has been limited by issues such as the space-charge effect and availability of materials with desirable mechanical and electrical properties, while maintaining a low work function. Nanotechnology could help address some of the main challenges that thermionic convertors face. However, existing models, which were developed for macroscopic convertors, are not capable of describing all aspects of nanostructured devices. We present a method to evaluate the output characteristics of thermionic convertors with a higher precision than the existing models and the ability to simulate a broader range of parameters, including temperatures, active surface areas, interelectrode distances, and work functions. These features are crucial for the characterization of emergent devices due to the unknowns involved in their internal parameters; the model's high numerical precision and flexibility allows one to solve the reverse problem and to evaluate the internal parameters of the device from a set of simple experimental data. As an experimental case, a carbon nanotube forest was used as the emitter and locally heated to thermionic emission temperatures using a 50-mW-focused laser beam. The current-voltage characteristics were measured and used to solve the reverse problem to obtain the internal parameters of the device, which were shown to be consistent with the values obtained using other methods.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 découle