MétaCan
Menu
Retour à la cohorte
Enregistrement W4404410441 · doi:10.1109/pvsc57443.2024.10749322

III-V Nanotexturing for Improved Light Trapping and Reduced Costs

2024· article· en· W4404410441 sur OpenAlexaff
Alison Clarke, Mathieu de Lafontaine, Richard R. King, Christiana B. Honsberg, Karin Hinzer

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueNanowire Synthesis and Applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésTrappingComputer scienceOptoelectronicsEnvironmental scienceMaterials scienceGeography

Résumé

récupéré en direct d'OpenAlex

Nanotextures can be used to enhance light trapping in III-V semiconductors, thereby reducing photovoltaic device thickness and associated costs of material growth. The front surface field of an InGaP/GaAs heterostructure was nanotextured using electron-beam lithography and plasma etching. Two pattern designs were transferred successfully, with feature spacing as low as 100 nm and aspect ratio up to 2.7. Atomic force and scanning electron microscopy were used to quantify nanotexture critical dimensions. Nanotexture spacing after etching was 2.5X the patterned spacing, suggesting sidewall faceting. Significant nanotexture line edge roughness of up to 150 ± 20 nm was found. When illuminating an area where 0.3% is nanotextured, we observe 11% less specular reflectance compared to the same surface without texturing for a wavelength range of 300–1500 nm and 10° angle of incidence. These findings demonstrate enhanced light trapping through front surface field nanotexturing, indicating a promising approach to reduce III-V device thickness and material growth costs.

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)0,000
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 enseignants0,569
Score d'incertitude au seuil0,263

Scores Codex et Gemma par catégorie

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 Opus0,007
Tête enseignante GPT0,219
Écart entre enseignants0,212 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNanowire Synthesis and ApplicationsTravaux en français237 207