MétaCan
Menu
Back to cohort
Record W7058147616

Métallisation de cellules solaires à Hétérojonction c-Si/a-Si

2023· other· fr· W7058147616 on OpenAlexaboutno aff

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2023
Typeother
Languagefr
FieldEngineering
TopicMagnetic Field Sensors Techniques
Canadian institutionsnot available
Fundersnot available
KeywordsOptical materialsRGD motifSemiconductor materials
DOInot available

Abstract

fetched live from OpenAlex

L’objectif de ce projet est de développer le processus de métallisation de cellules solaires à hétérojonction (c-Si/a-Si) au centre de recherche du 3IT de l’université de Sherbrooke. La première partie de ce document porte sur le dépôt de la couche d’oxyde transparent conducteur (TCO). Elle est utilisée en tant que couche antireŕet tout en améliorant les ŕux de porteurs de charge entre le silicium et le métal. Le développement du procédé de métallisation à l’argent est ensuite abordé. Le motif de métal collecte le courant photogénéré pour l’acheminer vers le circuit externe. Du fait de la production de panneaux solaires croissante, le prix de l’argent risque d’augmenter et de devenir un facteur limitant pour le développement du photovoltaïque. Aőn de mitiger ce risque, l’argent peut être remplacé par du cuivre. Dans le cadre de ce projet, l’utilisation d’une pâte de cuivre pour la métallisation est explorée. Le dépôt d’oxyde a pour objectif d’obtenir une forte transmittance dans le domaine du visible et une forte conductivité électrique. Le TCO choisi est l’oxyde indium étain (ITO). Il est déposé par pulvérisation cathodique, pour former une couche de 100 nm. La proportion d’oxygène injectée dans le dépôt a été optimisée aőn d’obtenir une transmittance supérieure à 80% dans le visible. Un recuit est effectué à postériori pour améliorer les performances électriques. Les dépôts d’ITO possèdent une résistance par carré de 40 ∼ 50Ω/□ par mesure 4 pointes, répondant ainsi aux critères initiaux. La métallisation est effectuée par sérigraphie. L’objectif est de déposer un motif conforme, sans défauts et possédant de bonnes caractéristiques électriques. Une première étude a été menée aőn de déőnir le motif et la technologie employée pour le masque de sérigraphie. Les différents paramètres de sérigraphie, tels que la vitesse et la pression du racloir, ont été ajustés pour minimiser la présence de défauts dans les dépôts. Après recuit, les mesures électriques ont montré une bonne résistance de ligne ρAg = 6.10−6 Ω.cm. La résistance de contact mesurée de 40Ω.cm2 est encore trop élevée et nécessite une optimisation. La forme a été étudiée sur des lignes provenant d’un masque avec une ouverture de 100 μm. Les lignes déposées ont une forme de pavé droit, avec en moyenne une largeur de 110 μm pour une hauteur de 70 μm. Leur rapport d’aspect est de 0,6. Les essais de métallisation au cuivre ont été effectués par sérigraphie. Les paramètres de dépôt utilisés étaient les mêmes que pour la métallisation à l’argent. Le dépôt était conforme au motif et avec une faible présence de défauts. Les lignes déposées ont présenté un fort étalement ce qui a induit un faible rapport d’aspect de 0,08. La pâte de cuivre nécessite un recuit rapide à une température de 200 ∼ 300°C pour développer une bonne conductivité. Les meilleurs résultats ont été obtenus avec un four à recuit rapide, avec une température de 300°C. La résistivité obtenue est de ρ = 2, 8.10−4Ω.cm. Les performances obtenues sont moindres par rapport à l’argent. De plus, la température de 300°C risque de faire diffuser l’hydrogène de la cellule ce qui diminuerait son efficacité.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.003
Threshold uncertainty score0.009

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0010.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0030.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.010
GPT teacher head0.192
Teacher spread0.181 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Same topicMagnetic Field Sensors TechniquesFrench-language works237,207