Optical Performance Enhancement of GaAsBi/P3HT Hybrid Solar CellIncorporatingMetallic Nanoparticlesinthe Absorber Layer
Notice bibliographique
Résumé
GaA<inf>s1-x</inf>Bi<inf>x</inf> alloy semiconductors have been an attractive material for optoelectronic applications due to its bandgap tailoring property with variable mole fraction “x”. The optical properties of thin film GaAs0.99Bi<inf>0.01</inf> solar cell with a thin donor shell of P3HT and ITO on the top have been investigated. In order to boost the optical absorption, photo-generation rate in thin film HSC, plasmonic metal nanoparticles are incorporated in the donor shell. A 400nm thick layer of thin film absorbing material GaAs0.99Bi<inf>0.01</inf>, 100nm thick hole transport layer of P3HT and 100nm thick ITO layer as a top electrode, 100nm thick Al bottom electrode have been chosen for this simulation study. A comparative study of the optical properties of plasmonic MNP based HSC thin film solar cell is carried out with an array of three different materials of nanoparticles such as gold(Au), silver(Ag) and Aluminium (Al). A thorough geometry optimization study is done based on the diameter of MPNs as well as Filling Ratio (FR) of the unit cell. Photo generation rate profile upon illumination by incident solar spectrum, electric field profile at different wavelengths for different MNPs are studied and presented in this paper. The 400nm thick absorber layer produces a J<inf>sc</inf> of 31.8969 mA/cm<sup>2</sup> without the plasmonic effect whereas it produces Jsc values of 34.1957 mA/cm<sup>2</sup>, 32.0325 mA/cm<sup>2</sup> and 33.5517 mA/cm<sup>2</sup> for Au, Ag and Al MNP respectively with a FR of 0.5 of unit solar cell.
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 | 0,000 | 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 | 0,001 |
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 ».