MétaCan
Menu
Retour à la cohorte
Enregistrement W2088756606 · doi:10.1016/j.egypro.2015.03.284

Basic Study on the Influence of Glass Composition and Aluminum Content on the Ag/Al Paste Contact Formation to Boron Emitters

2015· article· en· W2088756606 sur OpenAlexfundno aff
Stefan Körner, Fabian Kiefer, Robby Peibst, Frank Heinemeyer, Jan Krügener, Markus Eberstein

Notice bibliographique

RevueEnergy Procedia · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueSilicon and Solar Cell Technologies
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Gender and Health
Mots-clésMaterials scienceBoronAluminiumSiliconMorphology (biology)ViscosityBorate glassChemical compositionContact resistanceComposite materialMetallurgyChemical engineeringLayer (electronics)DopingChemistry

Résumé

récupéré en direct d'OpenAlex

In this study, the contact formation of aluminum containing silver metallization pastes for boron emitters was investigated. Model pastes with varied glass composition (PbO-containing and PbO-free) and Al content were prepared. It was found, that glass viscosity as well as Al content have a strong influence on densification behavior of the pastes. The most significant effect of the aluminum addition is the change of the thermodynamic conditions in the system silver-glass-silicon. For investigations of the contact formation an in-situ-contact resistance measurement was performed. The interface morphology of the pastes in dependence on the firing temperature was investigated by means of cross section samples in SEM and EDX. Finally, n-type Si solar cells were electrically characterized and the IV-data were correlated to the interface morphology.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,303
Score d'incertitude au seuil0,248

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)0,0000,000

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 Opus0,030
Tête enseignante GPT0,215
Écart entre enseignants0,185 · 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

Citations13
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy ProcediaMême sujetSilicon and Solar Cell TechnologiesTravaux en français237 207