排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
采用椭圆偏振光谱法,在1.5~6.5 eV光谱范围研究了纤锌矿结构GaN外延薄膜.通过物理模型建立和光谱拟合得到了GaN外延薄膜的厚度和光学常数.所得厚度值与扫描电子显微镜测量的结果相差仅为0.4%.表明所采用的模型和Cauchy吸收色散表式适用于GaN薄膜.进一步采用四相逐点拟合算法得到更全面更准确的GaN薄膜光学常数. 相似文献
2.
本文通过化学气相沉积的方法,成功地在云母衬底上制备了高质量的Bi2Se3纳米片。通过湿法转移的技术,将纳米片转移到SiO2衬底上。通过光刻技术,我们制备了基于单个Bi2Se3纳米片的晶体管,并通过施加底栅电压,对Bi2Se3纳米片晶体管进行了有效的调控。研究表明,当Bi2Se3纳米片与电极之间形成欧姆接触时,底栅的调控效果较好;而当Bi2Se3纳米片与电极之间形成肖特基接触时,底栅的调控效果较差。 相似文献
3.
开发一种光伏阵列状态监测和故障定位系统,该系统将连续采集、 间歇采集、 自动定时采集、 故障检测定位等功能集成到统一的Matlab平台. 提出一种“阈值法-Hampel辨识法”相结合的光伏阵列离群值检测算法,该算法通过比较不同光伏组串瞬时电流进行异常检测实现故障定位. 基于实验室光伏并网发电平台上的故障模拟,重点研究了线线故障和失配故障条件下的故障检测与定位. 实验结果表明:该系统能够自动定时采集光伏电气特性数据并快速、 准确地判断是否发生故障及实现故障组串定位,具有良好的应用前景. 相似文献
4.
5.
采用SCAPS软件,对CZTS/Zn(O,S)/Al:ZnO结构的薄膜太阳电池进行数值仿真,主要模拟研究Zn(O,S)的禁带宽度和电子亲和势、缓冲层的厚度及掺杂浓度、环境温度对电池性能的影响.结果表明:当Zn(O,S)的厚度和载流子浓度分别为50 nm和10~(17)cm~(-3)时,电池的转换效率可达14.90%,温度系数为-0.021%K~(-1).仿真结果为Zn(O,S)缓冲层用于CZTS太阳电池提供了一定的指导. 相似文献
6.
Zn(O,S)具有带隙宽、原料丰富且环保的优点,是一种很有潜力的CdS替代缓冲层。本文采用Solar Cell Capacitance Simulator (SCAPS)软件,对CZTS/Zn(O,S)/Al:ZnO 结构的薄膜太阳电池进行数值仿真,主要模拟研究Zn(O,S)的禁带宽度和电子亲和势、缓冲层的厚度及掺杂浓度、环境温度对电池性能的影响。结果表明:当Zn(O,S)的厚度和载流子浓度分别为50 nm和1017 cm-3时,电池的转换效率可达14.90%,温度系数为-0.021%/K。仿真结果为Zn(O,S)缓冲层用于CZTS太阳能电池提供了一定的指导。 相似文献
7.
本文采用化学气相沉积法制备了三维拓扑绝缘体Bi2Se3纳米片。对Bi2Se3纳米片进行了详细的表征并研究了样品的圆偏振光致电流。在1064纳米圆偏振激光激发下,Bi2Se3纳米片的圆偏振光致电流强度随入射角的增大而逐渐增大。研究发现圆偏振光电流强度随着温度的降低先增大后减小,这与动量弛豫时间及电子空穴复合率相关。此外,我们还通过外加离子液体栅压调控Bi2Se3纳米片的圆偏振光致电流,圆偏振光致电流强度随着外加偏压的增大而减小,这是由于我们所测得的圆偏振光致电流由拓扑绝缘体Bi2Se3表面信号与二维电子气信号叠加形成,且二者方向相反导致。 相似文献
8.
本文研究了不同厚度三维拓扑绝缘体Sb2Te3的圆偏振光致电流光谱。研究表明,在1064纳米圆偏振激光激发下,厚度为7纳米的三维拓扑绝缘体Sb2Te3薄膜的圆偏振光致电流与厚度为30纳米的样品的符号相反。原子力显微镜的分析表明30纳米的样品比7纳米的样品具有更大表面粗糙度,这使得30纳米样品的上表面态对圆偏振光致电流的贡献减小,使其下表面态的贡献占主导。而7样品的样品是上表面态的贡献占主导,从而相比厚度为30纳米的样品出现了反号。研究表明,在960纳米激光激发下,厚度为30纳米和7纳米的样品呈现相同的符号。进一步研究表明这个信号可能与InP衬底的自旋注入有关。 相似文献
9.
针对观察到厚度为7 nm的三维拓扑绝缘体Sb_2Te_3薄膜的圆偏振光致电流与厚度为30 nm样品的符号相反这一情况,提出进一步利用原子力显微镜表征的方法.利用1 064 nm圆偏振激光的激发,发现30 nm的样品比7 nm的样品具有更大表面粗糙度,从而得到30 nm样品的上表面态对圆偏振光致电流的贡献减小,使其下表面态的贡献占主导;而7 nm的样品为上表面态的贡献占主导,故相比厚度为30 nm的样品出现了反号这一结论.同时利用960 nm激光激发样品,发现厚度为30和7 nm的样品呈现相同的符号,进一步研究表明这个信号可能与InP衬底的自旋注入有关. 相似文献
10.
针对潜变量空间解耦具有可选择性地调整数据属性,实现更可控的数据生成的特性,提出一种提高解耦任务度量指标的方法. 该方法在编码器阶段,运用自注意力机制和残差网络,使模型更有效地捕捉长期依赖关系,增强模型的维度适应性. 在训练阶段,提出新颖损失函数使潜变量空间编码维度与属性值趋向单调关系,从而更好地调节损失函数所处区间范围,达到优化目的. 通过对比实验表明,本模型和方法在图像的潜变量空间解耦生成上优于变分自编码机(variational auto encoder,VAE)及属性正则化(AR-VAE)模型模型,且具有更为轻量级的网络架构. 相似文献