MétaCan
Menu
Retour à la cohorte
Enregistrement W2999618949 · doi:10.1364/osac.378248

Tracking-free adaptive contact concentration photovoltaics

2019· article· en· W2999618949 sur OpenAlexfundno aff
Adrian Kitai

Notice bibliographique

RevueOSA Continuum · 2019
Typearticle
Langueen
DomaineEngineering
Thématiquesolar cell performance optimization
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhotovoltaicsTracking (education)Solar cellSunlightOptoelectronicsReliability (semiconductor)ElectrodeMaterials sciencePhotovoltaic systemLimit (mathematics)Solar trackerComputer scienceOpticsElectrical engineeringPower (physics)EngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Adaptive Contact Concentration Photovoltaics (ACCPV) is outlined as a scheme to access CPV efficiency improvements without mechanical tracking. This could allow CPV to play a role in applications where maintenance-free reliability and compact size are essential requirements. Conversion efficiency enhancement using sunlight concentration in multi-junction or potentially single junction solar cells due to the well-known increase in the Shockley-Quessar limit are enabled by replacing a tracking system with an array of switchable electrodes. Cell electrodes are segmented and are connected employing a switching system that adapts to sunlight conditions. Unlike CPV systems, the ACCPV concept allows for effective operation in diffuse sunlight conditions. System losses that must be considered in order to determine whether a net benefit for ACCPV exists for a given solar cell type include optical losses, series resistance losses, and Auger losses. The ACCPV concept is clearly presented and relevant system losses are discussed. A 3% absolute increase in triple junction cell efficiency is projected.

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 enseignants0,003
Score d'incertitude au seuil0,010

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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,006
Tête enseignante GPT0,177
Écart entre enseignants0,171 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOSA ContinuumMême sujetsolar cell performance optimizationTravaux en français237 207