AlGaN nanowire deep ultraviolet light emitting diodes with graphene electrode
Notice bibliographique
Résumé
Despite graphene being an attractive transparent conductive electrode for semiconductor deep ultraviolet (UV) light emitting diodes (LEDs), there have been no experimental demonstrations of any kind of semiconductor deep UV LEDs using a graphene electrode. Moreover, although aluminum gallium nitride (AlGaN) alloys in the format of nanowires are an appealing platform for surface-emitting vertical semiconductor deep UV LEDs, in particular, at short wavelengths, there are few demonstrations of AlGaN nanowire UV LEDs with a graphene electrode. In this work, we show that transferred graphene can serve as the top electrode for AlGaN nanowire deep UV LEDs, and devices emitting down to around 240 nm are demonstrated. Compared to using metal, graphene improves both the light output power and external quantum efficiency. Nonetheless, devices with a graphene electrode show a more severe efficiency droop compared to devices with metal. Here, we attribute the heating effect associated with the large contact resistance to be the major reason for the severe efficiency droop in the devices with a graphene electrode. Detailed scanning electron microscopy and Raman scattering experiments suggest that the nanowire height nonuniformity is the main cause for the large contact resistance; this issue could be potentially alleviated by using nanowires grown by selective area epitaxy that is able to produce nanowires with uniform height. This work, therefore, not only demonstrates the shortest wavelength LEDs using a graphene electrode but also provides a viable path for surface-emitting vertical semiconductor deep UV LEDs at short wavelengths.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».