MétaCan
Menu
Retour à la cohorte
Enregistrement W3200602662 · doi:10.1002/pip.3468

Microstructured antireflective encapsulant on concentrator solar cells

2021· article· en· W3200602662 sur OpenAlexafffund
Gavin P. Forcade, Arnaud Ritou, Philippe St‐Pierre, O. Delléa, Maïté Volatier, Abdelatif Jaouad, Christopher E. Valdivia, Karin Hinzer, Maxime Darnon

Notice bibliographique

RevueProgress in Photovoltaics Research and Applications · 2021
Typearticle
Langueen
DomaineEngineering
Thématiquesolar cell performance optimization
Établissements canadiensUniversité de SherbrookeInstitut interdisciplinaire d'innovation technologiqueUniversity of Ottawa
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesMitacsMinistère de l'Économie, de la Science et de l'Innovation - QuébecThomas and Stacey Siebel Foundation
Mots-clésAnti-reflective coatingMaterials sciencePolydimethylsiloxaneCoatingOptoelectronicsPhotovoltaic systemMonolayerOpticsSolar cellEnergy conversion efficiencyReflection (computer programming)Composite materialNanotechnology

Résumé

récupéré en direct d'OpenAlex

Abstract Microstructured antireflective coatings (ARCs) can reduce reflection losses over a wide range of incidence angles when applied to the surface of a high‐efficiency III‐V photovoltaic cell in a concentrator photovoltaic (CPV) system. In this article, we present a microstructured ARC consisting of a monolayer of close‐packed silica microbeads partially submerged within a polydimethylsiloxane (PDMS) cell encapsulant for use within a reference 500× CPV submodule. Comparing a commercialized SiOx encapsulant to this microstructured coating with 25% submerged 1,000 nm‐diameter beads, angle‐dependent external quantum efficiency measurements yield a 2.6% current gain for the microstructured coating. Simulations demonstrate good agreement with measurements, predicting a 2.4% current gain for the same configuration. Extrapolating with our validated model, we estimate a maximum and achievable (within a large manufacturing tolerance) current gain of 3.4% and 2.9 ± 0.4% using 60% submerged and 10%–32% submerged 760 nm‐diameter beads, respectively.

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 enseignants0,001
Score d'incertitude au seuil0,003

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 savante0,0000,000
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 Opus0,024
Tête enseignante GPT0,314
Écart entre enseignants0,290 · 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

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProgress in Photovoltaics Research and ApplicationsMême sujetsolar cell performance optimizationTravaux en français237 207