MétaCan
Menu
Retour à la cohorte
Enregistrement W2323231265 · doi:10.1021/nl300891h

Graded Recombination Layers for Multijunction Photovoltaics

2012· article· en· W2323231265 sur OpenAlexaff
Ghada I. Koleilat, Xihua Wang, Edward H. Sargent

Notice bibliographique

RevueNano Letters · 2012
Typearticle
Langueen
DomaineEngineering
Thématiquesolar cell performance optimization
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésOptoelectronicsMaterials scienceWork functionPhotovoltaicsSolar cellDopingStack (abstract data type)Photovoltaic systemResistive touchscreenActive layerAbsorption (acoustics)Theory of solar cellsSemiconductorTandemLayer (electronics)Solar cell efficiencyNanotechnologyElectrical engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Multijunction devices consist of a stack of semiconductor junctions having bandgaps tuned across a broad spectrum. In solar cells this concept is used to increase the efficiency of photovoltaic harvesting, while light emitters and detectors use it to achieve multicolor and spectrally tunable behavior. In series-connected current-matched multijunction devices, the recombination layers must allow the hole current from one cell to recombine, with high efficiency and low voltage loss, with the electron current from the next cell. We recently reported a tandem solar cell in which the recombination layer was implemented using a progression of n-type oxides whose doping densities and work functions serve to connect, with negligible resistive loss at solar current densities, the constituent cells. Here we present the generalized conditions for design of efficient graded recombination layer solar devices. We report the number of interlayers and the requirements on work function and doping of each interlayer, to bridge an work function difference as high as 1.6 eV. We also find solutions that minimize the doping required of the interlayers in order to minimize optical absorption due to free carriers in the graded recombination layer (GRL). We demonstrate a family of new GRL designs experimentally and highlight the benefits of the progression of dopings and work functions in the interlayers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,201
Écart entre enseignants0,190 · 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 source (Gemma direct ou Codex distillé), 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

Citations16
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetsolar cell performance optimizationTravaux en français237 207