Radiator Tailoring for Enhanced Performance in InAs-Based Near-Field\n Thermophotovoltaics
Notice bibliographique
Résumé
Near-field thermophotovoltaics (NFTPV) systems have significant potential for waste heat recovery applications, with both high theoretical efficiency and power density, up to 40% and $11 \ \mathrm{W/cm^{2}}$ at 900 K. Yet experimental demonstrations have only achieved up to 14% efficiency and modest power densities (i.e., $0.75 \ \mathrm{W/cm^{2}}$). While experiments have recently started to focus on photovoltaic (PV) cells custom-made for NFTPV, most work still relies on conventional doped silicon radiators. In this work, we design an optimized NFTPV radiator for an indium arsenide-based system and, in the process, investigate models for the permittivity of InAs in the context of NFTPV. Based on existing measurements of InAs absorption, we find that the traditional Drude model overestimates free carrier absorption in InAs. We replace the Drude portion of the InAs dielectric function with a revised model derived from ionized impurity scattering. Using this revised model, we maximize the spectral efficiency and power density of a NFTPV system by optimizing the spectral coupling between a radiator and an InAs PV cell. We find that when the radiator and the PV cell are both made of InAs, a nearly threefold improvement of spectral efficiency is possible compared to a traditional silicon radiator with the same InAs cell. This enhancement reduces subgap thermal transfer while maintaining power output.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».