文献

J-GLOBAL ID：202002234510955569   整理番号：20A2238220

機械学習を用いた発光強度プロファイルからの欠陥の電気的特性の推定とイメージマッピング

Prediction and image mapping of electrical characteristics of crystal defects from photoluminescence profile using machine learning

著者 (4件)： 三田村和樹 (名大 院) ,  沓掛健太朗 (理研 AIP) ,  小島拓人 (名大 院) ,  宇佐美徳隆 (名大 院)
資料名： 応用物理学会春季学術講演会講演予稿集(CD-ROM)  (Extended Abstracts. JSAP Spring Meeting (CD-ROM))
巻： 67th  ページ： ROMBUNNO.14a-A205-1  発行年： 2020年02月28日 
JST資料番号： Y0054B  ISSN： 2436-7613  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

本文一部表示： 【緒言】多結晶Siは太陽電池用の主要な基板材料であるが、粒界でのキャリア再結合が高変換効率化への障壁の一つである。この粒界の悪影響を減らす手法の開発のために、まずは粒界の電気的特性の正確な評価が必要であり、我々はPhotoluminesce...【本文一部表示】

シソーラス用語： 結晶粒界 ,  コントラスト ,  シミュレーション ,  太陽電池 ,  *電気的性質 ,  可視化 ,  高速計算 ,  キャリア再結合 ,  *機械学習 ,  ポリシリコン
準シソーラス用語： *発光強度 ,  自動抽出 ,  再結合速度 ,  基板材料 ,  変換効率 , 【Automatic Indexing@JST】

分類 (2件)： 太陽電池  (NC03084O) ,  半導体の格子欠陥  (BK12040Q)

タイトルに関連する用語 (8件)： 機械学習 ,  発光強度 ,  プロファイル ,  欠陥 ,  電気的特性 ,  推定 ,  イメージ ,  マッピング