MétaCan
Menu
Retour à la cohorte
Enregistrement W3011928758 · doi:10.1002/pip.3271

Forming submicron in micron texture on the diamond‐wire‐sawn mc‐Si wafer by introducing artificial defects

2020· article· en· W3011928758 sur OpenAlexaff
Chengkun Wu, Shuai Zou, Jingyan Zhu, Xiaoya Ye, Jianming Ding, Hua Sun, Xusheng Wang, Guoqiang Xing, Xiaohong Zhang, Xiaodong Su

Notice bibliographique

RevueProgress in Photovoltaics Research and Applications · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueNanowire Synthesis and Applications
Établissements canadiensMorgan Solar (Canada)
Organismes subventionnairesPriority Academic Program Development of Jiangsu Higher Education InstitutionsNational Natural Science Foundation of China
Mots-clésWaferMaterials scienceTexture (cosmology)Microscale chemistryPassivationReflection (computer programming)DiamondOptoelectronicsEtching (microfabrication)SiliconSurface finishComposite materialOpticsLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

Abstract Based on a traditional acid etch system (i.e., HNO 3 /HF), a complex texture comprising microscale and submicroscale structures was produced on the surface of a diamond‐wire‐sawn (DWS) multicrystalline Si (mc‐Si) wafer, upon whose surface it is typically difficult to form an effective texture for suppressing the reflection of incident light. Immersing the as‐cut wafer into an HF/HNO 3 /AgNO 3 solution introduced a large number of artificial defects onto the wafer surface. A subsequent HNO 3 /HF etch induced a micron texture expanded from the original DWS‐induced damage as well as a submicron texture converted from the artificial defects. The multiscale textured DWS exhibited a reflectivity of ~19%, which is much lower than the reflectivity after only an HNO 3 /HF etch (~28%). Therefore, the solar cell performance was improved owing primarily to improved optical antireflection and surface passivation. The method is simple and can be easily scaled up into the in‐line texture process.

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)0,001
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 enseignants0,266
Score d'incertitude au seuil0,630

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,034
Tête enseignante GPT0,295
Écart entre enseignants0,260 · 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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProgress in Photovoltaics Research and ApplicationsMême sujetNanowire Synthesis and ApplicationsTravaux en français237 207