MétaCan
Menu
Retour à la cohorte
Enregistrement W3097324874 · doi:10.1109/pvsc.2015.7356046

Application of ion implanted emitter in PERC solar cells

2015· article· en· W3097324874 sur OpenAlexaboutno aff
Jian Wu, Yunyu Liu, Xusheng Wang, Guoqiang Xing

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSilicon and Solar Cell Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPassivationMaterials scienceSolar cellCommon emitterOptoelectronicsAnnealing (glass)DopantIon implantationDielectricCrystalline siliconSilicon nitrideSiliconLayer (electronics)NanotechnologyDopingMetallurgyIonChemistry

Résumé

récupéré en direct d'OpenAlex

Ion-implantation offers numerous advantages (i.e. single side precise control and reproducibility of the dopant, simultaneous SiO2 passivation during annealing, no phosphosilicate glass formation) for solar cell manufacturing. Canadian Solar Inc. (CSI) has developed an average efficiency 19.23% blank emitter solar cell (156mm Cz) process. In order to improve the solar cell efficiency, focus is placed on the well known advanced PERC solar cell architecture with optimized back side passivation. The approach is to combine the surface passivation provided by a thin ALD aluminum oxide layer grown after the post implantation annealing (PIA) process with a deposited capping silicon nitride layer. Laser ablation and proper aluminum paste is also used to locally remove the dielectric layers and to form local contact. Based on this development, implanted emitter and local Al-BSF with Al2O3/SiNx back passivation are integrated in solar cells reaching an average efficiency 19.96%, and champion 20.12%.

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 enseignants0,069
Score d'incertitude au seuil0,164

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 Opus0,012
Tête enseignante GPT0,206
Écart entre enseignants0,194 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSilicon and Solar Cell TechnologiesTravaux en français237 207