MétaCan
Menu
Retour à la cohorte
Enregistrement W4281676766 · doi:10.1364/oe.459680

Light management in ultra-thin photonic power converters for 1310 nm laser illumination

2022· article· en· W4281676766 sur OpenAlexafffund
Neda Nouri, Christopher E. Valdivia, Meghan N. Beattie, Jacob J. Krich, Karin Hinzer

Notice bibliographique

RevueOptics Express · 2022
Typearticle
Langueen
DomaineEngineering
Thématiquesolar cell performance optimization
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceOpticsAbsorptancePlanarFinite-difference time-domain methodOptoelectronicsThin filmPhotonicsWavelengthLaserNanotechnologyPhysics

Résumé

récupéré en direct d'OpenAlex

We designed and optimized ultra-thin single junction InAlGaAs photonic power converters (PPC) with integrated back reflectors (BR) for operation at the telecommunications wavelength of 1310 nm and numerically studied the light trapping capability of three BR types: planar, cubic nano-textured, and pyramidal nano-textured. The PPC and BR geometries were optimized to absorb a fixed percentage of the incident light at the target wavelength by coupling finite difference time-domain (FDTD) calculations with a particle swarm optimization. With 90% absorptance, opto-electrical simulations revealed that ultra-thin PPCs with 5.6- to 8.4-fold thinner absorber layers can have open circuit voltages (Voc) that are 9-12% larger and power conversion efficiencies (PCE) that are 9-10% (relative) larger than conventional thick PPCs. Compared to a thick PPC with 98% absorptance, these ultra-thin designs reduce the absorber layer thickness by 9.5-14.2 times while improving theVocby 12-14% and resulting in a relative PCE enhancement of 3-4%. Of the studied BR designs, pyramidal BRs exhibit the highest performance for ultra-thin designs, reaching an efficiency of 43.2% with 90% absorptance, demonstrating the superior light trapping capability relative to planar and cubic nano-textured BRs.

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 seuil0,004

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 savante0,0010,000
Science ouverte0,0010,000
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 Opus0,006
Tête enseignante GPT0,198
Écart entre enseignants0,192 · 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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetsolar cell performance optimizationTravaux en français237 207