MétaCan
Menu
Retour à la cohorte
Enregistrement W2171950035 · doi:10.1139/cjp-2013-0582

Effect of hydrogen concentration on structure and photoelectric properties of a-Si:H films modified by femtosecond laser pulses

2014· article· en· W2171950035 sur OpenAlexvenueno aff
Mark Khenkin, A. V. Emelyanov, А.Г. Казанский, П. А. Форш, Martynas Beresna, Mindaugas Gecevičius, Peter G. Kazansky

Notice bibliographique

RevueCanadian Journal of Physics · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueThin-Film Transistor Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFemtosecondCrystallizationLaserMaterials scienceHydrogenSiliconAmorphous siliconPhotoelectric effectPhotoconductivityCrystalline siliconAmorphous solidOptoelectronicsChemical engineeringAnalytical Chemistry (journal)OpticsCrystallographyPhysicsChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The crystallization of hydrogenated amorphous silicon films with femtosecond laser pulses is one of the promising ways to produce nanocrystalline silicon for photovoltaics. The structure of laser treated films and their hydrogen content are the most important factors for determining the photoelectric properties of materials. In this work we investigated the effect of femtosecond laser irradiation of a-Si:H films with different fluences on crystalline volume fraction, hydrogen concentration, and photoelectric properties of this material. Our results point out that hydrogen out-diffusion accompanies the crystallization process. The increase of hydrogen concentration in the initial a-Si:H films structure affects the kinetics of the crystallization process, but does not lead to a substantial increase of hydrogen concentration remaining in the film after the treatment. The deficiency of hydrogen in the films’ structure results in degradation of their photoconductivity, thus other strategies of a-Si:H laser crystallization or postprocessing should be found to obtain device-quality films using ultrafast laser processing.

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 enseignants0,031
Score d'incertitude au seuil0,396

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 Opus0,005
Tête enseignante GPT0,164
Écart entre enseignants0,159 · 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

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of PhysicsMême sujetThin-Film Transistor TechnologiesTravaux en français237 207