CN111607767A - 基于贝叶斯优化的多层膜选择性辐射器构建方法及系统 - Google Patents
基于贝叶斯优化的多层膜选择性辐射器构建方法及系统 Download PDFInfo
- Publication number
- CN111607767A CN111607767A CN202010456196.0A CN202010456196A CN111607767A CN 111607767 A CN111607767 A CN 111607767A CN 202010456196 A CN202010456196 A CN 202010456196A CN 111607767 A CN111607767 A CN 111607767A
- Authority
- CN
- China
- Prior art keywords
- selective radiator
- multilayer film
- module
- optimization
- radiator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 109
- 238000010276 construction Methods 0.000 title claims abstract description 23
- 238000004544 sputter deposition Methods 0.000 claims abstract description 71
- 229910052710 silicon Inorganic materials 0.000 claims abstract description 60
- 238000001755 magnetron sputter deposition Methods 0.000 claims abstract description 55
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims abstract description 54
- 239000010703 silicon Substances 0.000 claims abstract description 54
- 239000000463 material Substances 0.000 claims abstract description 32
- 238000012360 testing method Methods 0.000 claims abstract description 19
- 239000002131 composite material Substances 0.000 claims abstract description 18
- 239000011248 coating agent Substances 0.000 claims abstract description 15
- 238000000576 coating method Methods 0.000 claims abstract description 15
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 64
- 229910052721 tungsten Inorganic materials 0.000 claims description 43
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 claims description 37
- 239000010937 tungsten Substances 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 36
- 235000012239 silicon dioxide Nutrition 0.000 claims description 32
- 239000000377 silicon dioxide Substances 0.000 claims description 32
- 238000005516 engineering process Methods 0.000 claims description 26
- 230000005540 biological transmission Effects 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 21
- VTGARNNDLOTBET-UHFFFAOYSA-N gallium antimonide Chemical compound [Sb]#[Ga] VTGARNNDLOTBET-UHFFFAOYSA-N 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000002310 reflectometry Methods 0.000 claims description 16
- 230000005457 Black-body radiation Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000000151 deposition Methods 0.000 claims description 6
- 230000008021 deposition Effects 0.000 claims description 6
- 239000010408 film Substances 0.000 description 66
- 230000005855 radiation Effects 0.000 description 24
- 229910052786 argon Inorganic materials 0.000 description 18
- 229910052751 metal Inorganic materials 0.000 description 14
- 239000002184 metal Substances 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 239000000758 substrate Substances 0.000 description 13
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 12
- 230000009471 action Effects 0.000 description 12
- 239000007789 gas Substances 0.000 description 12
- 238000002360 preparation method Methods 0.000 description 11
- 229910052681 coesite Inorganic materials 0.000 description 10
- 229910052906 cristobalite Inorganic materials 0.000 description 10
- 229910052732 germanium Inorganic materials 0.000 description 10
- 229910052682 stishovite Inorganic materials 0.000 description 10
- 229910052719 titanium Inorganic materials 0.000 description 10
- 229910052905 tridymite Inorganic materials 0.000 description 10
- 238000010521 absorption reaction Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 8
- 230000005684 electric field Effects 0.000 description 6
- 150000002500 ions Chemical class 0.000 description 6
- 239000002245 particle Substances 0.000 description 6
- 239000013077 target material Substances 0.000 description 6
- 239000010409 thin film Substances 0.000 description 6
- 238000001771 vacuum deposition Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000013477 bayesian statistics method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 229910052814 silicon oxide Inorganic materials 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- DZKDPOPGYFUOGI-UHFFFAOYSA-N tungsten dioxide Inorganic materials O=[W]=O DZKDPOPGYFUOGI-UHFFFAOYSA-N 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 229910005542 GaSb Inorganic materials 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C14/00—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material
- C23C14/22—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material characterised by the process of coating
- C23C14/34—Sputtering
- C23C14/35—Sputtering by application of a magnetic field, e.g. magnetron sputtering
- C23C14/352—Sputtering by application of a magnetic field, e.g. magnetron sputtering using more than one target
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C14/00—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material
- C23C14/06—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material characterised by the coating material
- C23C14/10—Glass or silica
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C14/00—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material
- C23C14/06—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material characterised by the coating material
- C23C14/14—Metallic material, boron or silicon
- C23C14/16—Metallic material, boron or silicon on metallic substrates or on substrates of boron or silicon
- C23C14/165—Metallic material, boron or silicon on metallic substrates or on substrates of boron or silicon by cathodic sputtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Materials Engineering (AREA)
- Mechanical Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Physical Deposition Of Substances That Are Components Of Semiconductor Devices (AREA)
- Physical Vapour Deposition (AREA)
Abstract
本发明提供了一种基于贝叶斯优化的多层膜选择性辐射器构建方法及系统，包括：步骤S1：在单抛硅片上分别进行溅射；步骤S2：采用Denton多靶磁控溅射镀膜系统进行靶磁控溅射，所述Denton多靶磁控溅射镀膜系统能够溅射沉积复合薄膜；步骤S3：计算得到选择性辐射器的每层材料和层厚参数；步骤S4：对待测试的基于贝叶斯优化的多层膜选择性辐射器进行测试，获取基于贝叶斯优化的多层膜选择性辐射器。从而获取基于贝叶斯优化的多层膜选择性辐射器。本发明采用耐高温材料，其溅射得到的非周期性多层膜选择性辐射器可以匹配热光伏系统的高温工作条件。
Description
技术领域
本发明涉及辐射器技术领域，具体地，涉及一种基于贝叶斯优化的多层膜选择性辐射器构建方法及系统。
背景技术
伴随着现代社会的发展，能源的需求量也与日俱增。为了解决能源危机，科研工作者不断寻找新的替代能源。其中热光伏系统是目前一项新兴的能源转化技术，该技术将接收到的太阳辐射能转换为热能，转换后的热能又可以通过光伏电池转换为电能。其最重要的部件是放置在太阳和光伏电池之间的吸波-辐射单元。基本原理是吸波-辐射单元的吸波器将太阳光吸收，从而加热辐射器使其温度上升，然后辐射器辐射高于光伏电池禁带宽度的光谱，并经过光伏电池的内部p-n结处激发大量电子-空穴对，形成定向流动的光电流，从而产生电能输出。其中对于常用的锑化镓电池(GaSb)，为了保证光伏电池的光电转化效率和降低热量的损耗，需要在吸波-辐射单元和光伏电池之间添加一个滤波器，滤波器的作用是让高于光伏电池禁带宽度的光通过其他光反射会辐射器继续加热，合理设计的滤波器可以有效提高热光伏系统的能量转换效率。然而滤波器的添加势必增加热光伏系统的复杂度，为了降低系统制造加工成本，光谱选择性辐射器成为行之有效的解决方案。光谱选择性辐射器通过将辐射器的发射光谱限定高于光伏电池的禁带宽度，从而降低热光伏系统的加工复杂度和成本，解决辐射器的能量耗散问题和光伏电池温度过高的问题。通过贝叶斯优化算法(机器学习算法)实现对光谱选择性辐射器的性能优化，得到最优的光谱选择性辐射器，基于贝叶斯优化的多层膜选择性辐射器及其构造方法对于热光伏系统等应用具有广阔的应用前景。
专利文献CN107923704B公开了一种热辐射器，在热辐射器和要干燥的实体之间形成对流气流。这种空气流一方面运走从实体散出的水分，但是另一方面在太靠近时可能使实体以及热辐射器冷却。该热辐射器在性能上仍然有待提高的空间。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于贝叶斯优化的多层膜选择性辐射器构建方法及系统。
根据本发明提供的一种基于贝叶斯优化的多层膜选择性辐射器构建方法，包括：
步骤S1：在单抛硅片上分别进行溅射；步骤S2：进行靶磁控溅射；具体溅射过程为：采用Denton多靶磁控溅射镀膜系统进行靶磁控溅射(Denton Multi-target MagneticControl Sputtering System)，所述Denton多靶磁控溅射镀膜系统能够溅射沉积Au，SiO2，W，Si，Ti，Ge等及相关复合薄膜。
步骤S3：由贝叶斯优化算法计算得到选择性辐射器的每层材料和层厚参数。
步骤S4：对待测试的基于贝叶斯优化的多层膜选择性辐射器进行测试，获取基于贝叶斯优化的多层膜选择性辐射器。
所述的选择性辐射器具有耐高温特性和高品质因子。该选择性辐射器主要针对锑化镓光伏电池，可以应用在热光伏系统和近场热光伏系统等能量转换技术，从而获取基于贝叶斯优化的多层膜选择性辐射器。
优选地，所述步骤S1包括：
步骤S1.1：在370微米厚的3寸单抛硅片上先溅射尺寸为230-250纳米钨；步骤S1.2：在单抛硅片镀240纳米钨的上层溅射尺寸为45-65纳米的硅；步骤S1.3：在完成步骤S1.2的基础样品上溅射尺寸为35-55纳米的钨；步骤S1.4：在完成步骤S1.3的基础样品上溅射尺寸为45-65纳米的硅；步骤S1.5：在完成步骤S1.4的基础样品上溅射尺寸为90-110纳米的二氧化硅。
优选地，所述步骤S2包括：步骤S2.1:采用靶磁控溅射技术构建基于贝叶斯优化的多层膜选择性辐射器；步骤S2.2：采用Denton多靶磁控溅射镀膜系统(Denton Multi-target Magnetic Control Sputtering System)进行溅射沉积，Denton多靶磁控溅射镀膜系统能够溅射沉积Au，SiO2，W，Si，Ti，Ge等及相关复合薄膜；具体的制备原理为：磁控溅射过程发生在真空镀膜室内，真空室通入溅射气体，一般为氩气(Ar)，给阴极靶材加上足够大的电压，将产生辉光放电和等离子体，产生的带电粒子受洛伦兹力作用运动。溅射气体Ar电离产生Ar正离子(Ar+)和电子(e)，Ar+在电场作用下加速飞向阴极靶材，并以高能量轰击靶材表面，将靶材原子溅射出来，最终在基底上沉积形成薄膜。
优选地，所述步骤S3包括：
步骤S3.1：通过传输矩阵法计算不同波长下的反射率和透射率；(传输矩阵法：就是用矩阵的形式来描述电磁波在多层介质中的传播情况，在每一层介质中传播过程中的运动规律满足的麦克斯韦方程组，一般用来研究周期性分层介质中的传输特性，包括反射率和透射率)
步骤S3.2：利用基尔霍夫定律(热辐射定律)得到对应的不同波长下的结构发射率，即ελ＝1-Rλ；
其中，ελ指所述选择性辐射器在相应波长下的发射率，Rλ指所述选择性辐射器在相应波长下的反射率；基尔霍夫定律(热辐射定律：用于描述物体的发射率与吸收比之间的关系。在同样的温度下，各种不同物体对相同波长的单色辐射出射度与单色吸收比之比值都相等，并等于该温度下黑体对同一波长的单色辐射出射度。
步骤S3.3：建立以品质因子为目标函数的贝叶斯优化算法，通过对不同层的材料(钨，硅和二氧化硅)和层高的候选结构中进行优化计算；
品质因子定义为：
其中，λpv＝1.71μm表示锑化镓光伏电池的带隙波长，λ1＝0.5μm表示所述选择性辐射器关注的最低波长，λ2＝5μm表示所述选择性辐射器关注的最大波长，ελ指辐射器在相应波长下的发射率。Ebλ为在对应温度下的相应波长下的黑体辐射强度，此处温度为1200K。贝叶斯优化算法：基于贝叶斯统计和决策理论开发的用于机器学习超参数优化方法。
步骤S3.4：通过传输矩阵法和贝叶斯优化算法的结合优化计算，得到最优的选择性辐射器的每层材料和层厚的参数，对应优化计算得到的最佳品质因子为0.8216，对应的最底层和最高层的每层材料和厚度分别为金属钨240纳米，硅55纳米，金属钨45纳米，硅55纳米，二氧化硅100纳米。
优选地，所述步骤S4包括：
步骤S4.21：采用傅里叶红外光谱仪和紫外/可见分光光度计测量方式对基于贝叶斯优化的多层膜选择性辐射器样品的发射率进行测试；基于贝叶斯优化的多层膜选择性辐射器加工制备后，经过高温测试可以达到1200K高温12小时后对性能没有改变。可以发现利用多靶磁控溅射技术制备的选择性辐射器样品的发射率与该多层膜复合结构的理论计算发射率在每个波段下都相差不大，可以满足我们的设计要求。其实验测量的发射率对应的品质因子高达0.8216。
根据本发明提供的一种基于贝叶斯优化的多层膜选择性辐射器构建系统，包括：
模块M1：在单抛硅片上分别进行溅射；
模块M2：进行靶磁控溅射；具体溅射过程为：采用Denton多靶磁控溅射镀膜系统进行靶磁控溅射(Denton Multi-target Magnetic Control Sputtering System)，所述Denton多靶磁控溅射镀膜系统能够溅射沉积Au，SiO2，W，Si，Ti，Ge等及相关复合薄膜。
模块M3：由贝叶斯优化算法计算得到选择性辐射器的每层材料和层厚参数。
模块M4：对待测试的基于贝叶斯优化的多层膜选择性辐射器进行测试，获取基于贝叶斯优化的多层膜选择性辐射器。
所述的选择性辐射器具有耐高温特性和高品质因子。该选择性辐射器主要针对锑化镓光伏电池，可以应用在热光伏系统和近场热光伏系统等能量转换技术，从而获取基于贝叶斯优化的多层膜选择性辐射器。
优选地，模块M1.1：在370微米厚的3寸单抛硅片上先溅射尺寸为230-250纳米钨；模块M1.2：在单抛硅片镀240纳米钨的上层溅射尺寸为45-65纳米的硅；模块M1.3：在完成模块M1.2的基础样品上溅射尺寸为35-55纳米的钨；模块M1.4：在完成模块M1.3的基础样品上溅射尺寸为45-65纳米的硅；模块M1.5：在完成模块M1.4的基础样品上溅射尺寸为90-110纳米的二氧化硅。
优选地，所述模块M2包括：模块M2.1:采用靶磁控溅射技术构建基于贝叶斯优化的多层膜选择性辐射器；模块M2.2：采用Denton多靶磁控溅射镀膜系统(Denton Multi-target Magnetic Control Sputtering System)进行溅射沉积，Denton多靶磁控溅射镀膜系统能够溅射沉积Au，SiO2，W，Si，Ti，Ge等及相关复合薄膜；具体的制备原理为：磁控溅射过程发生在真空镀膜室内，真空室通入溅射气体，一般为氩气(Ar)，给阴极靶材加上足够大的电压，将产生辉光放电和等离子体，产生的带电粒子受洛伦兹力作用运动。溅射气体Ar电离产生Ar正离子(Ar+)和电子(e)，Ar+在电场作用下加速飞向阴极靶材，并以高能量轰击靶材表面，将靶材原子溅射出来，最终在基底上沉积形成薄膜。
优选地，所述模块M3包括：
模块M3.1：通过传输矩阵法计算不同波长下的反射率和透射率；(传输矩阵法：就是用矩阵的形式来描述电磁波在多层介质中的传播情况，在每一层介质中传播过程中的运动规律满足的麦克斯韦方程组，一般用来研究周期性分层介质中的传输特性，包括反射率和透射率)
模块M3.2：利用基尔霍夫定律(热辐射定律)得到对应的不同波长下的结构发射率，即ελ＝1-Rλ；
其中，ελ指所述选择性辐射器在相应波长下的发射率，Rλ指所述选择性辐射器在相应波长下的反射率；基尔霍夫定律(热辐射定律：用于描述物体的发射率与吸收比之间的关系。在同样的温度下，各种不同物体对相同波长的单色辐射出射度与单色吸收比之比值都相等，并等于该温度下黑体对同一波长的单色辐射出射度。
模块M3.3：建立以品质因子为目标函数的贝叶斯优化算法，通过对不同层的材料(钨，硅和二氧化硅)和层高的候选结构中进行优化计算；
品质因子定义为：
其中，λpv＝1.71μm表示锑化镓光伏电池的带隙波长，λ1＝0.5μm表示所述选择性辐射器关注的最低波长，λ2＝5μm表示所述选择性辐射器关注的最大波长，ελ指辐射器在相应波长下的发射率。Ebλ为在对应温度下的相应波长下的黑体辐射强度，此处温度为1200K。贝叶斯优化算法：基于贝叶斯统计和决策理论开发的用于机器学习超参数优化方法。
模块M3.4：通过传输矩阵法和贝叶斯优化算法的结合优化计算，得到最优的选择性辐射器的每层材料和层厚的参数，对应优化计算得到的最佳品质因子为0.8216，对应的最底层和最高层的每层材料和厚度分别为金属钨240纳米，硅55纳米，金属钨45纳米，硅55纳米，二氧化硅100纳米。
优选地，所述模块M4包括：
模块M4.21：采用傅里叶红外光谱仪和紫外/可见分光光度计测量方式对基于贝叶斯优化的多层膜选择性辐射器样品的发射率进行测试；基于贝叶斯优化的多层膜选择性辐射器加工制备后，经过高温测试可以达到1200K高温12小时后对性能没有改变。可以发现利用多靶磁控溅射技术制备的选择性辐射器样品的发射率与该多层膜复合结构的理论计算发射率在每个波段下都相差不大，可以满足我们的设计要求。其实验测量的发射率对应的品质因子高达0.8216。
与现有技术相比，本发明具有如下的有益效果：
1、本发明所述的基于贝叶斯优化的多层膜选择性辐射器及其构造方法采用贝叶斯优化算法计算得到最优的选择性辐射器的材料和层厚参数，不同于传统的采用滤波器的热光伏系统，该系统结构相对简单；
2、本发明通过选择性辐射器可以减弱热光伏系统的能量耗散，和光伏电池的温度过高问题。不同于现有的选择性辐射器，基于贝叶斯优化的多层膜选择性辐射器的品质因子高达0.8216，且可以采用多靶磁控溅射技术一次制备完成，大大降低了制备加工成本；
3、本发明采用硅，二氧化硅，钨等耐高温材料，其溅射得到的非周期性多层膜选择性辐射器可以匹配热光伏系统的高温工作条件。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1是本发明所述基于贝叶斯优化的多层膜选择性辐射器的结构示意图。
图2是本发明实施例中选择性辐射器应用的热光伏系统中的锑化镓光伏电池的外量子效率示意图。
图3是本发明实施例中的所述选择性辐射器的最佳理想辐射特性示意图。
图4是本发明实施例中的所述选择性辐射器样品的实验测试发射率与计算发射率的曲线示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提供的一种基于贝叶斯优化的多层膜选择性辐射器构建方法，包括：
步骤S1：在370微米厚的3寸单抛硅片上分别溅射钨240纳米，硅55纳米，钨45纳米，硅55纳米，二氧化硅100纳米。
步骤S2：采用靶磁控溅射技术。具体溅射过程为：采用Denton多靶磁控溅射镀膜系统进行靶磁控溅射(Denton Multi-target Magnetic Control Sputtering System)，所述Denton多靶磁控溅射镀膜系统能够溅射沉积Au，SiO2，W，Si，Ti，Ge等及相关复合薄膜。
步骤S3：由贝叶斯优化算法计算得到选择性辐射器的每层材料和层厚参数。
步骤S4：对待测试的基于贝叶斯优化的多层膜选择性辐射器进行测试，获取基于贝叶斯优化的多层膜选择性辐射器。
所述的选择性辐射器具有耐高温特性和高品质因子。该选择性辐射器主要针对锑化镓光伏电池，可以应用在热光伏系统和近场热光伏系统等能量转换技术，从而获取基于贝叶斯优化的多层膜选择性辐射器。
优选地，所述步骤S1包括：
步骤S1.1：在370微米厚的3寸单抛硅片上先溅射尺寸为230-250纳米钨；
步骤S1.2：在单抛硅片镀240纳米钨的上层溅射尺寸为45-65纳米的硅；
步骤S1.3：在完成步骤S1.2的基础样品上溅射尺寸为35-55纳米的钨；
步骤S1.4：在完成步骤S1.3的基础样品上溅射尺寸为45-65纳米的硅；
步骤S1.5：在完成步骤S1.4的基础样品上溅射尺寸为90-110纳米的二氧化硅。
优选地，所述步骤S2包括：步骤S2.1:采用靶磁控溅射技术构建基于贝叶斯优化的多层膜选择性辐射器；步骤S2.2：采用Denton多靶磁控溅射镀膜系统(Denton Multi-target Magnetic Control Sputtering System)进行溅射沉积，Denton多靶磁控溅射镀膜系统能够溅射沉积Au，SiO2，W，Si，Ti，Ge等及相关复合薄膜；具体的制备原理为：磁控溅射过程发生在真空镀膜室内，真空室通入溅射气体，一般为氩气(Ar)，给阴极靶材加上足够大的电压，将产生辉光放电和等离子体，产生的带电粒子受洛伦兹力作用运动。溅射气体Ar电离产生Ar正离子(Ar+)和电子(e)，Ar+在电场作用下加速飞向阴极靶材，并以高能量轰击靶材表面，将靶材原子溅射出来，最终在基底上沉积形成薄膜。
优选地，所述步骤S3包括：
步骤S3.1：通过传输矩阵法计算不同波长下的反射率和透射率；(传输矩阵法：就是用矩阵的形式来描述电磁波在多层介质中的传播情况，在每一层介质中传播过程中的运动规律满足的麦克斯韦方程组，一般用来研究周期性分层介质中的传输特性，包括反射率和透射率)
步骤S3.2：利用基尔霍夫定律(热辐射定律)得到对应的不同波长下的结构发射率，即ελ＝1-Rλ；
其中，ελ指所述选择性辐射器在相应波长下的发射率，Rλ指所述选择性辐射器在相应波长下的反射率；基尔霍夫定律(热辐射定律：用于描述物体的发射率与吸收比之间的关系。在同样的温度下，各种不同物体对相同波长的单色辐射出射度与单色吸收比之比值都相等，并等于该温度下黑体对同一波长的单色辐射出射度。
步骤S3.3：建立以品质因子为目标函数的贝叶斯优化算法，通过对不同层的材料(钨，硅和二氧化硅)和层高的候选结构中进行优化计算；
品质因子定义为：
其中，λpv＝1.71μm表示锑化镓光伏电池的带隙波长，λ1＝0.5μm表示所述选择性辐射器关注的最低波长，λ2＝5μm表示所述选择性辐射器关注的最大波长，ελ指辐射器在相应波长下的发射率。Ebλ为在对应温度下的相应波长下的黑体辐射强度，此处温度为1200K。贝叶斯优化算法：基于贝叶斯统计和决策理论开发的用于机器学习超参数优化方法。
步骤S3.4：通过传输矩阵法和贝叶斯优化算法的结合优化计算，得到最优的选择性辐射器的每层材料和层厚的参数，对应优化计算得到的最佳品质因子为0.8216，对应的最底层和最高层的每层材料和厚度分别为金属钨240纳米，硅55纳米，金属钨45纳米，硅55纳米，二氧化硅100纳米。
优选地，所述步骤S4包括：
步骤S4.21：采用傅里叶红外光谱仪和紫外/可见分光光度计测量方式对基于贝叶斯优化的多层膜选择性辐射器样品的发射率进行测试；基于贝叶斯优化的多层膜选择性辐射器加工制备后，经过高温测试可以达到1200K高温12小时后对性能没有改变。可以发现利用多靶磁控溅射技术制备的选择性辐射器样品的发射率与该多层膜复合结构的理论计算发射率在每个波段下都相差不大，可以满足我们的设计要求。其实验测量的发射率对应的品质因子高达0.8216。
根据本发明提供的一种基于贝叶斯优化的多层膜选择性辐射器构建系统，包括：
模块M1：在370微米厚的3寸单抛硅片上分别溅射钨240纳米，硅55纳米，钨45纳米，硅55纳米，二氧化硅100纳米。
模块M2：采用靶磁控溅射技术。具体溅射过程为：采用Denton多靶磁控溅射镀膜系统进行靶磁控溅射(Denton Multi-target Magnetic Control Sputtering System)，所述Denton多靶磁控溅射镀膜系统能够溅射沉积Au，SiO2，W，Si，Ti，Ge等及相关复合薄膜。
模块M3：由贝叶斯优化算法计算得到选择性辐射器的每层材料和层厚参数。
模块M4：对待测试的基于贝叶斯优化的多层膜选择性辐射器进行测试，获取基于贝叶斯优化的多层膜选择性辐射器。
所述的选择性辐射器具有耐高温特性和高品质因子。该选择性辐射器主要针对锑化镓光伏电池，可以应用在热光伏系统和近场热光伏系统等能量转换技术，从而获取基于贝叶斯优化的多层膜选择性辐射器。
优选地，所述模块M1包括：
模块M1.1：在370微米厚的3寸单抛硅片上先溅射尺寸为230-250纳米钨；
模块M1.2：在单抛硅片镀240纳米钨的上层溅射尺寸为45-65纳米的硅；
模块M1.3：在完成模块M1.2的基础样品上溅射尺寸为35-55纳米的钨；
模块M1.4：在完成模块M1.3的基础样品上溅射尺寸为45-65纳米的硅；
模块M1.5：在完成模块M1.4的基础样品上溅射尺寸为90-110纳米的二氧化硅。
优选地，所述模块M2包括：模块M2.1:采用靶磁控溅射技术构建基于贝叶斯优化的多层膜选择性辐射器；模块M2.2：采用Denton多靶磁控溅射镀膜系统(Denton Multi-target Magnetic Control Sputtering System)进行溅射沉积，Denton多靶磁控溅射镀膜系统能够溅射沉积Au，SiO2，W，Si，Ti，Ge等及相关复合薄膜；具体的制备原理为：磁控溅射过程发生在真空镀膜室内，真空室通入溅射气体，一般为氩气(Ar)，给阴极靶材加上足够大的电压，将产生辉光放电和等离子体，产生的带电粒子受洛伦兹力作用运动。溅射气体Ar电离产生Ar正离子(Ar+)和电子(e)，Ar+在电场作用下加速飞向阴极靶材，并以高能量轰击靶材表面，将靶材原子溅射出来，最终在基底上沉积形成薄膜。
优选地，所述模块M3包括：
模块M3.1：通过传输矩阵法计算不同波长下的反射率和透射率；(传输矩阵法：就是用矩阵的形式来描述电磁波在多层介质中的传播情况，在每一层介质中传播过程中的运动规律满足的麦克斯韦方程组，一般用来研究周期性分层介质中的传输特性，包括反射率和透射率)
模块M3.2：利用基尔霍夫定律(热辐射定律)得到对应的不同波长下的结构发射率，即ελ＝1-Rλ；
其中，ελ指所述选择性辐射器在相应波长下的发射率，Rλ指所述选择性辐射器在相应波长下的反射率；基尔霍夫定律(热辐射定律：用于描述物体的发射率与吸收比之间的关系。在同样的温度下，各种不同物体对相同波长的单色辐射出射度与单色吸收比之比值都相等，并等于该温度下黑体对同一波长的单色辐射出射度。
模块M3.3：建立以品质因子为目标函数的贝叶斯优化算法，通过对不同层的材料(钨，硅和二氧化硅)和层高的候选结构中进行优化计算；
品质因子定义为：
其中，λpv＝1.71μm表示锑化镓光伏电池的带隙波长，λ1＝0.5μm表示所述选择性辐射器关注的最低波长，λ2＝5μm表示所述选择性辐射器关注的最大波长，ελ指辐射器在相应波长下的发射率。Ebλ为在对应温度下的相应波长下的黑体辐射强度，此处温度为1200K。贝叶斯优化算法：基于贝叶斯统计和决策理论开发的用于机器学习超参数优化方法。
模块M3.4：通过传输矩阵法和贝叶斯优化算法的结合优化计算，得到最优的选择性辐射器的每层材料和层厚的参数，对应优化计算得到的最佳品质因子为0.8216，对应的最底层和最高层的每层材料和厚度分别为金属钨240纳米，硅55纳米，金属钨45纳米，硅55纳米，二氧化硅100纳米。
优选地，所述模块M4包括：
模块M4.21：采用傅里叶红外光谱仪和紫外/可见分光光度计测量方式对基于贝叶斯优化的多层膜选择性辐射器样品的发射率进行测试；基于贝叶斯优化的多层膜选择性辐射器加工制备后，经过高温测试可以达到1200K高温12小时后对性能没有改变。可以发现利用多靶磁控溅射技术制备的选择性辐射器样品的发射率与该多层膜复合结构的理论计算发射率在每个波段下都相差不大，可以满足我们的设计要求。其实验测量的发射率对应的品质因子高达0.8216。
具体地，在一个实施例中，一种基于贝叶斯优化的多层膜选择性辐射器及其构造方法，该多层膜选择性辐射器利用贝叶斯优化算法计算得到最佳的材料和层厚参数。采用多靶磁控溅射技术在370微米厚的3寸硅片基底上溅射金属钨240纳米，硅55纳米，金属钨45纳米，硅55纳米，二氧化硅100纳米，除基底外总厚度为495纳米。
其中，所述的多层膜选择性辐射器调节的光谱特性主要针对锑化镓光伏电池的电子禁带宽度。其中锑化镓是直接带隙半导体，锑化镓光伏电池的电子禁带波长为1.71微米，电子禁带宽度为0.726eV。对应的品质因子为0.8216，品质因子定义为：
其中λpv＝1.71μm，λ1＝0.5μm，λ2＝5μm，ελ指辐射器在相应波长下的发射率，Ebλ为在相应温度下的黑体辐射强度，此处温度为1200K。
其中，所述的多层膜选择辐射器的制备方法为多靶磁控溅射技术，采用Denton多靶磁控溅射镀膜系统(Denton Multi-target Magnetic Control Sputtering System)，该系统可以溅射沉积Au，SiO2，W，Si，Ti，Ge等及相关复合薄膜。具体的制备原理为：磁控溅射过程发生在真空镀膜室内,真空室通入溅射气体，一般为氩气(Ar)，给阴极靶材加上足够大的电压，将产生辉光放电和等离子体，产生的带电粒子受洛伦兹力作用运动。溅射气体Ar电离产生Ar正离子(Ar+)和电子(e)，Ar+在电场作用下加速飞向阴极靶材，并以高能量轰击靶材表面，将靶材原子溅射出来，最终在基底上沉积形成薄膜。
其中，所述的多层膜选择性辐射器可以应用在热光伏系统(TPV)，近场热光伏系统等能量转换场景。而且相对采用二维结构材料的选择性辐射器，该多层膜(一维)选择性辐射器制造成本较低。
具体地，在一个实施例中，一种选择性辐射器，采用贝叶斯优化算法计算，得到了最优的多层膜结构来匹配锑化镓光伏电池的电子禁带宽度。其中基底为370微米厚的3寸硅片，其上利用多靶磁控溅射技术溅射金属钨240纳米，硅55纳米，金属钨45纳米，硅55纳米，二氧化硅100纳米，除基底外总厚度为495纳米。所述基于贝叶斯优化的多层膜选择性辐射器具有耐高温的特性，品质因子高达0.8216，高于现有大部分选择性辐射器。而且相对二维的选择性辐射器，该多层膜(一维)选择性辐射器制造成本较低。下面结合附图对本发明做进一步说明。
图1是本发明所述基于贝叶斯优化的多层膜选择性辐射器的结构示意图。不同的颜色代表不同的材料，其中绿色为硅，蓝色为金属钨，橙色为二氧化硅。可以发现基底采用的是370微米厚3寸单抛的硅片，利用多靶磁控溅射技术在硅基底上溅射金属钨240纳米，硅55纳米，钨45纳米，硅55纳米，二氧化硅100纳米。所述多层膜选择性辐射器利用多靶磁控溅射技术可以一次性制备完成，制备成本较低。
图2是所述选择性辐射器应用的热光伏系统中常用的几类光伏电池(半导体)的外量子效率(External Quantum Efficiency,EQE)，其中外量子效率数值定义为收集到的电子数与入射光子数之比。所述选择性辐射器针对锑化镓光伏电池。可以发现锑化镓的外量子效率相对较高，且其电子禁带波长相对稳定在1.71微米处，是热光伏系统常常采用的光伏电池材料。
图3是所述针选择性辐射器的最佳理想辐射特性。根据图2锑化镓的外量子效率，可以发现对于选择性辐射器最佳的理想光谱辐射特性为在低于光子禁带波长1.71微米时，辐射器发射率为1；而高于电子禁带波长范围时，辐射器的发射率为0。
采用多靶磁控溅射技术制备得到的样本的具体的制备过程为：采用Denton多靶磁控溅射镀膜系统(Denton Multi-target Magnetic Control Sputtering System)，该系统可以溅射沉积Au，SiO2，W，Si，Ti，Ge等及相关复合薄膜。具体的制备原理为：磁控溅射过程发生在真空镀膜室内,真空室通入溅射气体，一般为氩气(Ar)，给阴极靶材加上足够大的电压，将产生辉光放电和等离子体，产生的带电粒子受洛伦兹力作用运动。溅射气体Ar电离产生Ar正离子(Ar+)和电子(e)，Ar+在电场作用下加速飞向阴极靶材，并以高能量轰击靶材表面，将靶材原子溅射出来，最终在基底上沉积形成薄膜。
图4所述选择性辐射器样品的实验测试发射率与计算发射率的曲线图。其中所述选择性辐射器的发射率理论计算可以通过传输矩阵法计算得到，所述选择性辐射器制备的样品的发射率测试由傅里叶红外光谱仪和紫外/可见分光光度计测量得到。可以发现利用多靶磁控溅射技术制备的选择性辐射器样品的发射率与该多层膜复合结构的理论计算发射率在每个波段下都相差不大，可以满足我们的设计要求。其理论计算的发射率对应的品质因子高达0.8216，品质因子定义为：
其中λpv＝1.71μm，λ1＝0.5μm，λ2＝5μm，ελ指辐射器在相应波长下的发射率，Ebλ为在相应温度下的黑体辐射强度，此处温度为1200K。
本发明所述的基于贝叶斯优化的多层膜选择性辐射器及其构造方法采用贝叶斯优化算法计算得到最优的选择性辐射器的材料和层厚参数，不同于传统的采用滤波器的热光伏系统，该系统结构相对简单；本发明通过选择性辐射器可以减弱热光伏系统的能量耗散，和光伏电池的温度过高问题。不同于现有的选择性辐射器，基于贝叶斯优化的多层膜选择性辐射器的品质因子高达0.8216，且可以采用多靶磁控溅射技术一次制备完成，大大降低了制备加工成本；本发明采用硅，二氧化硅，钨等耐高温材料，其溅射得到的非周期性多层膜选择性辐射器可以匹配热光伏系统的高温工作条件。
在本申请的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于贝叶斯优化的多层膜选择性辐射器构建方法，其特征在于，包括：
步骤S1：在单抛硅片上分别进行溅射；
步骤S2：进行靶磁控溅射；
步骤S3：计算得到选择性辐射器的每层材料和层厚参数；
步骤S4：对待测试的基于贝叶斯优化的多层膜选择性辐射器进行测试，获取基于贝叶斯优化的多层膜选择性辐射器。
2.根据权利要求1所述的基于贝叶斯优化的多层膜选择性辐射器构建方法，其特征在于，所述步骤S1包括：
步骤S1.1：在370微米厚的3寸单抛硅片上先溅射尺寸为230-250纳米钨；
步骤S1.2：在单抛硅片镀240纳米钨的上层溅射尺寸为45-65纳米的硅；
步骤S1.3：在完成步骤S1.2的基础样品上溅射尺寸为35-55纳米的钨；
步骤S1.4：在完成步骤S1.3的基础样品上溅射尺寸为45-65纳米的硅；
步骤S1.5：在完成步骤S1.4的基础样品上溅射尺寸为90-110纳米的二氧化硅。
3.根据权利要求1所述的基于贝叶斯优化的多层膜选择性辐射器构建方法，其特征在于，所述步骤S2包括：
步骤S2.1:采用靶磁控溅射技术构建基于贝叶斯优化的多层膜选择性辐射器；
步骤S2.2：采用Denton多靶磁控溅射镀膜系统进行溅射沉积，所述Denton多靶磁控溅射镀膜系统能够溅射沉积复合薄膜。
4.根据权利要求1所述的基于贝叶斯优化的多层膜选择性辐射器构建方法，其特征在于，所述步骤S3包括：
步骤S3.1：通过传输矩阵法计算不同波长下的反射率和透射率；
步骤S3.2:利用基尔霍夫定律得到对应的不同波长下的结构发射率，即
ελ＝1-Rλ；
其中，ελ指所述选择性辐射器在相应波长下的发射率，Rλ指所述选择性辐射器在相应波长下的反射率；
步骤S3.3：建立以品质因子为目标函数的贝叶斯优化算法，通过对不同层的材料和层高的候选结构中进行优化计算；
品质因子定义为：
其中，λpv＝1.71μm表示锑化镓光伏电池的带隙波长，λ1＝0.5μm表示所述选择性辐射器关注的最低波长，λ2＝5μm表示所述选择性辐射器关注的最大波长，ελ指辐射器在相应波长下的发射率；Ebλ为在对应温度下的相应波长下的黑体辐射强度，此处温度为1200K；
步骤S3.4：通过传输矩阵法和贝叶斯优化算法的结合优化计算，得到最优的选择性辐射器的每层材料和层厚的参数。
5.根据权利要求1所述的基于贝叶斯优化的多层膜选择性辐射器构建方法，其特征在于，所述步骤S4包括：
步骤S4.21：采用傅里叶红外光谱仪和紫外/可见分光光度计测量方式对基于贝叶斯优化的多层膜选择性辐射器样品的发射率进行测试。
6.一种基于贝叶斯优化的多层膜选择性辐射器构建系统，其特征在于，包括：
模块M1：在单抛硅片上分别进行溅射；
模块M2：进行靶磁控溅射；
模块M3：计算得到选择性辐射器的每层材料和层厚参数；
模块M4：对待测试的基于贝叶斯优化的多层膜选择性辐射器进行测试，获取基于贝叶斯优化的多层膜选择性辐射器。
7.根据权利要求6所述的基于贝叶斯优化的多层膜选择性辐射器构建系统，其特征在于，所述模块M1包括：
模块M1.1：在370微米厚的3寸单抛硅片上先溅射尺寸为230-250纳米钨；
模块M1.2：在单抛硅片镀240纳米钨的上层溅射尺寸为45-65纳米的硅；
模块M1.3：在完成模块M1.2的基础样品上溅射尺寸为35-55纳米的钨；
模块M1.4：在完成模块M1.3的基础样品上溅射尺寸为45-65纳米的硅；
模块M1.5：在完成模块M1.4的基础样品上溅射尺寸为90-110纳米的二氧化硅。
8.根据权利要求6所述的基于贝叶斯优化的多层膜选择性辐射器构建系统，其特征在于，所述模块M2包括：
模块M2.1:采用靶磁控溅射技术构建基于贝叶斯优化的多层膜选择性辐射器；
模块M2.2：采用Denton多靶磁控溅射镀膜系统进行溅射沉积，所述Denton多靶磁控溅射镀膜系统能够溅射沉积复合薄膜。
9.根据权利要求6所述的基于贝叶斯优化的多层膜选择性辐射器构建系统，其特征在于，所述模块M3包括：
模块M3.1：通过传输矩阵法计算不同波长下的反射率和透射率；
模块M3.2:利用基尔霍夫定律得到对应的不同波长下的结构发射率，即
ελ＝1-Rλ；
其中，ελ指所述选择性辐射器在相应波长下的发射率，Rλ指所述选择性辐射器在相应波长下的反射率；
模块M3.3：建立以品质因子为目标函数的贝叶斯优化算法，通过对不同层的材料和层高的候选结构中进行优化计算；
品质因子定义为：
其中，λpv＝1.71μm表示锑化镓光伏电池的带隙波长，λ1＝0.5μm表示所述选择性辐射器关注的最低波长，λ2＝5μm表示所述选择性辐射器关注的最大波长，ελ指辐射器在相应波长下的发射率；Ebλ为在对应温度下的相应波长下的黑体辐射强度，此处温度为1200K；
模块M3.4：通过传输矩阵法和贝叶斯优化算法的结合优化计算，得到最优的选择性辐射器的每层材料和层厚的参数。
10.根据权利要求6所述的基于贝叶斯优化的多层膜选择性辐射器构建系统，其特征在于，所述模块M4包括：
模块M4.21：采用傅里叶红外光谱仪和紫外/可见分光光度计测量方式对基于贝叶斯优化的多层膜选择性辐射器样品的发射率进行测试。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010456196.0A CN111607767B (zh) | 2020-05-26 | 2020-05-26 | 基于贝叶斯优化的多层膜选择性辐射器构建方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010456196.0A CN111607767B (zh) | 2020-05-26 | 2020-05-26 | 基于贝叶斯优化的多层膜选择性辐射器构建方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111607767A true CN111607767A (zh) | 2020-09-01 |
| CN111607767B CN111607767B (zh) | 2021-08-06 |
Family
ID=72197923
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010456196.0A Active CN111607767B (zh) | 2020-05-26 | 2020-05-26 | 基于贝叶斯优化的多层膜选择性辐射器构建方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111607767B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104076530A (zh) * | 2014-06-24 | 2014-10-01 | 绍兴文理学院 | 一维光子晶体选择性辐射器 |
| CN107833939A (zh) * | 2017-11-22 | 2018-03-23 | 绍兴文理学院 | 二维光子晶体选择性辐射器及制备方法 |
| CN107923704A (zh) * | 2015-07-24 | 2018-04-17 | 艾瑞斯红外线能量系统公司 | 热辐射器 |
| CN108180991A (zh) * | 2018-03-05 | 2018-06-19 | 清华大学 | 一种红外窄带热辐射器及制备方法 |
| CN108828695A (zh) * | 2018-06-25 | 2018-11-16 | 中国人民解放军国防科技大学 | 可用于红外隐身的光谱选择性发射材料及其制备方法 |
| CN109609887A (zh) * | 2019-02-11 | 2019-04-12 | 北京联合涂层技术有限公司 | 一种热喷涂方法及系统 |
| KR20190128781A (ko) * | 2018-05-09 | 2019-11-19 | 전자부품연구원 | 열방사체용 다층박막구조체, 열방사체 및 그의 제조방법 |
-
2020
- 2020-05-26 CN CN202010456196.0A patent/CN111607767B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104076530A (zh) * | 2014-06-24 | 2014-10-01 | 绍兴文理学院 | 一维光子晶体选择性辐射器 |
| CN107923704A (zh) * | 2015-07-24 | 2018-04-17 | 艾瑞斯红外线能量系统公司 | 热辐射器 |
| CN107833939A (zh) * | 2017-11-22 | 2018-03-23 | 绍兴文理学院 | 二维光子晶体选择性辐射器及制备方法 |
| CN108180991A (zh) * | 2018-03-05 | 2018-06-19 | 清华大学 | 一种红外窄带热辐射器及制备方法 |
| KR20190128781A (ko) * | 2018-05-09 | 2019-11-19 | 전자부품연구원 | 열방사체용 다층박막구조체, 열방사체 및 그의 제조방법 |
| CN108828695A (zh) * | 2018-06-25 | 2018-11-16 | 中国人民解放军国防科技大学 | 可用于红外隐身的光谱选择性发射材料及其制备方法 |
| CN109609887A (zh) * | 2019-02-11 | 2019-04-12 | 北京联合涂层技术有限公司 | 一种热喷涂方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111607767B (zh) | 2021-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5615885B2 (ja) | 干渉式太陽電池セル | |
| US20090159123A1 (en) | Multijunction photovoltaic cells | |
| Zhang et al. | Boosting photoelectric performance of thin film GaAs solar cell based on multi-objective optimization for solar energy utilization | |
| CN110808296B (zh) | 一种双层半导体结构的光电导型深紫外单色光电探测器 | |
| Barugkin et al. | Evaluating plasmonic light trapping with photoluminescence | |
| Tian et al. | High-temperature and abrasion-resistant metal-insulator-metal metamaterials | |
| Valdivia et al. | Optimization of antireflection coating design for multijunction solar cells and concentrator systems | |
| CN111607767B (zh) | 基于贝叶斯优化的多层膜选择性辐射器构建方法及系统 | |
| CN110634966B (zh) | 一种超薄太阳光黑硅吸波器及其制备方法 | |
| Zhang et al. | Theoretical analysis of improved efficiency of silicon-wafer solar cells with textured nanotriangular grating structure | |
| CN114189198B (zh) | 一种应用于热光伏系统的超表面选择性辐射器及其制备方法 | |
| Bryan et al. | Systematic operating temperature differences between Al-BSF, PERC, and PERT-with-optimized-rear-reflector solar mini-modules due to rear reflectance | |
| Musalinov et al. | Influence of double-and triple-layer antireflection coatings on the formation of photocurrents in multijunction III–V solar cells | |
| Dasgupta et al. | Fabrication and mathematical modelling of a ITO-Al2O3-Si SIS solar cell | |
| CN108333660B (zh) | 一种空间用太阳电池红外梯度衰减滤光片的制备方法 | |
| Wang et al. | Light trapping for high efficiency heterojunction crystalline Si solar cells | |
| Chen et al. | Spectral Selectivity of CdTe Cells with Substrate Configuration for Photovoltaic/Thermal Applications | |
| CN112909104B (zh) | 一种双层分裂式光栅结构的硅基薄膜太阳能电池 | |
| Зайцев et al. | Optimization of flexible thin-film photovoltaic converters based on CdS/CdTe heterosystem for integration with solar thermal collectors | |
| Zhou | Enhancing Thermophotovoltaics Via Selective Thermal Emitters and Radiative Thermal Management | |
| Verma et al. | Growth of Graded SixNy ARC films to enhance the Efficiency of Multi-Crystalline Silicon Solar Cells and applicable in High Volume Production | |
| Jaffar et al. | Simulation of Anti-Reflective TiO | |
| Gupta et al. | Numerical Exploration and Statistical Analysis of Mathematical Parameters of Anti Reflecting Coating on Operational Parameters Improvement of Solar Cell | |
| Walshe et al. | Combined Experimental and Modeling Analysis for theDevelopment of Optical Materials Suitable to Enhance theImplementation of Plasmonic-Enhanced Luminescent Down-Shifting Solutions on Existing Silicon-Based Photovoltaic Devices | |
| Tian et al. | High-temperature and Abrasion Resistant Selective Solar Absorber under Ambient Environment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |