MétaCan
Menu
Retour à la cohorte
Enregistrement W3129389536 · doi:10.1116/6.0000763

Intrinsic excitation-dependent room-temperature internal quantum efficiency of AlGaN nanowires with varying Al contents

2021· article· en· W3129389536 sur OpenAlexafffund
Jiaying Lu, Yun Zhong, Songrui Zhao

Notice bibliographique

RevueJournal of Vacuum Science & Technology B Nanotechnology and Microelectronics Materials Processing Measurement and Phenomena · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueGaN-based semiconductor devices and materials
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceNanowireQuantum efficiencyOptoelectronicsExcitationPhotoluminescenceGallium nitrideGalliumWide-bandgap semiconductorUltravioletAtmospheric temperature rangeLuminescenceNanotechnologyLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

Aluminum gallium nitride (AlGaN) nanowires have become an emerging approach for semiconductor deep ultraviolet light-emitting devices. To further improve the device performance, it is critical to understand the optical quality of AlGaN nanowires. However, today, the room-temperature internal quantum efficiency (IQE) of AlGaN nanowires is predominantly analyzed by the temperature-dependent photoluminescence (PL) approach under one excitation power or taking the PL intensity ratio at the room temperature and low temperature with different excitation powers. In both cases, one needs to assume the low temperature IQE to be 100%, which is not always valid, in particular when the excitation power changes at the low temperature. In this work, we study the room-temperature IQE of AlGaN nanowires through the detailed excitation power-dependent PL experiments and theoretical analysis. This allows us to derive the intrinsic room-temperature IQE of AlGaN nanowires as a function of the excitation power. It is found that for an Al content in the range of 22%–54%, the IQE of all samples increases as the excitation increases, followed by an efficiency droop. Moreover, comparing different samples, the IQE at low excitations increases as the Al content increases, whereas the peak IQE reduces from 73% to 56% as the Al content increases. The underlying mechanisms are also discussed in this paper.

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 enseignants0,006
Score d'incertitude au seuil0,869

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
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 Opus0,011
Tête enseignante GPT0,230
Écart entre enseignants0,220 · 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

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Vacuum Science & Technology B Nanotechnology and Microelectronics Materials Processing Measurement and PhenomenaMême sujetGaN-based semiconductor devices and materialsTravaux en français237 207