MétaCan
Menu
Retour à la cohorte
Enregistrement W7115175958 · doi:10.1515/pac-2025-0595

Surface morphological and optoelectrical characteristics of silicon nitride featured with magnesium oxide nano coating

2025· article· en· W7115175958 sur OpenAlexaff

Notice bibliographique

RevuePure and Applied Chemistry · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueSilicon and Solar Cell Technologies
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésPassivationPhotocurrentSilicon nitrideSolar cellEnergy conversion efficiencyMagnesiumChemical vapor depositionSiliconNitride

Résumé

récupéré en direct d'OpenAlex

Abstract The silicon nitride (Si 3 N 4 ) solar cell is well-known for its use in solar energy applications due to its passivation properties, which minimize surface recombination, improve thermal stability, and enhance chemical resistance. However, Si 3 N 4 is found to increase processing complexity due to uneven particle dispersion, and a higher concentration of Si 3 N 4 leads to microcracks in areas of high stress concentration, which limit the optoelectrical properties. This research aims to overcome processing difficulties and to enrich the functional characteristics of Si 3 N 4 solar cells with 20, 30, and 40 nm of magnesium oxide (MgO) nanocoating via a vacuum-assisted chemical vapour deposition (CVD) process. The effects of MgO and vacuum on the surface morphology during the CVD process were analyzed, revealing a fine-grain structure without microcracks, resulting in enhanced optoelectrical properties compared to those of the monolithic Si 3 N 4 solar cell. Likewise, X-ray diffraction analysis confirms the presence of MgO in Si 3 N 4 and its crystalline size. Furthermore, the Si 3 N 4 layer with 40 nm MgO is found to have an optimum drain current density of 2.8 × 10 −3 A, an improved photocurrent density of 2.6 mA/cm 2 , a reduced transmittance of 58 %, and a superior solar conversion efficiency of 24.1 %. It is suitable for thin-film solar cell applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,182
Écart entre enseignants0,178 · 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 source (Gemma direct ou Codex distillé), 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePure and Applied ChemistryMême sujetSilicon and Solar Cell TechnologiesTravaux en français237 207