Epi-grown broadband reflector for InAs-based thermophotovoltaics
Notice bibliographique
Résumé
Reflecting sub-bandgap photons is crucial for maximizing the efficiency of thermophotovoltaic devices. However, existing metal-deposited reflectors rely on back-side metallization, which cannot be grown epitaxially, necessitating additional processing steps. In this study, we fabricate InAs-based thermophotovoltaic devices featuring a straightforward, epitaxially grown sub-bandgap reflector composed of a single layer of n-doped InAs at a doping concentration of 2.4 × 10 19 cm −3 . This high doping produces long-wavelength metallic-like reflection, and our devices demonstrate high sub-bandgap reflectivity from 3.5 to 17 μm, achieving up to 93 % reflectivity compared to 30–40 % for designs without the reflector. Using a calibrated optical model, we predict that the sub-bandgap reflectivity of this layer enhances spectral efficiency from 38 % to 79 % under a 600 K normally incident blackbody spectrum. This improvement rivals that of a standard gold back reflector, which achieves a spectral efficiency of 94 %. Additionally, our predictive electrical model, calibrated with fabricated devices, indicates that the reflective layer does not adversely affect the electrical properties of the thermophotovoltaic devices. This sub-bandgap reflector can be integrated into existing InAs-based thermophotovoltaic fabrication processes, eliminating complex substrate removal steps required for traditional gold reflectors. • Demonstrated sub-bandgap reflectivity of up to 93 % for devices with a n-InAs reflective layer. • The reflective layer can improve spectral efficiency from 38 % to 79 %, under a 600 K normally incident blackbody spectrum. • Measurement and simulation results reveal that the reflective layer does not adversely affect the electrical properties of the devices.
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 | 0,000 |
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 ».