MétaCan
Menu
Retour à la cohorte
Enregistrement W2969403771 · doi:10.1109/nusod.2019.8806932

Device model for intermediate band materials

2019· article· en· W2969403771 sur OpenAlexaff
Eduard C. Dumitrescu, Matthew M. Wilkins, Jacob J. Krich

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSemiconductor Quantum Structures and Devices
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPhotovoltaicsOptoelectronicsSemiconductorSemiconductor deviceMaterials scienceDiodeAbsorption (acoustics)Computer scienceSchottky diodeElectronic engineeringPhotovoltaic systemElectrical engineeringLayer (electronics)NanotechnologyEngineering

Résumé

récupéré en direct d'OpenAlex

For twenty years, intermediate band (IB) materials have been developed with the goal of making high-efficiency photovoltaics, with limiting efficiencies equivalent to triple-junction devices but with simpler and potentially less expensive device designs. IB devices have yet to produce any high efficiencies. Existing devices did not optimize such parameters as their layer thicknesses, because there was no device model that could treat all the IB-specific effects, e.g., charge transport within the IB and IB-filling-dependent absorptivity and photofilling. We present Simudo, a finite element optoelectronic device model that implements these effects, in addition to treating standard semiconductors. Simudo models charge transport and generation in the conduction, valence, and a number of intermediate bands. It solves the coupled Poisson/drift-diffusion equations in two dimensions, along with self-consistent optics for IB-filling-dependent absorption. We validate this new software by benchmarking it against Synopsys Sentaurus on a pn-diode test problem, and we show excellent agreement. Simudo enables optimization of devices as well as understanding of experimental results, bringing the well-established value of device modeling semiconductors to IB systems.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,017
Tête enseignante GPT0,269
Écart entre enseignants0,252 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSemiconductor Quantum Structures and DevicesTravaux en français237 207