12、二维材料在能源与光电器件中的应用

二维材料在能源与光电器件中的应用

1. 二维MoS₂在纳米光子学与光电子学中的应用

1.1 太阳能电池厚度的优化

通过用p型二维材料替代p - Si,可以进一步减小太阳能电池的厚度。研究人员通过堆叠单层MoS₂和WSe₂实现了原子级厚度的器件,其内置的II型范德华异质结可实现约0.2%的功率转换效率和约0.5的填充因子。

1.2 MoS₂基发光二极管

由于具有直接带隙和高效的电子 - 空穴复合特性,单层MoS₂展现出了良好的发光性能。具体表现如下:
- 单层MoS₂场效应晶体管的电致发光 :其发射波长(约680 nm)与单层MoS₂的带隙相匹配。
- 基于范德华异质结构的发光二极管 :如由石墨烯、六方氮化硼和单层MoS₂适当堆叠而成的超薄发光二极管,实现了约10%的外量子效率,这对于整个器件的厚度来说是出乎意料的高,这种结构可能有利于超薄和柔性发光二极管的未来发展。

1.3 MoS₂ - 光学腔系统增强发光性能

尽管单层MoS₂由于间接带隙到直接带隙的转变,其发光性能比块状MoS₂强得多,但量子效率仍受大的非辐射衰减率限制。不过,原子级的超薄厚度允许将单层MoS₂灵活集成到各种光学腔中,包括光子晶体和等离子体纳米结构。具体应用如下:
- 光子晶体增强自发发射率 :Gan等人通过光子晶体证明了单层MoS₂自发发射率的增强,由于珀塞尔效应,测量的光致发光(PL)强度可显著增强超过五倍。进一步利用高Q值光学腔增强自发发射率,推动了基于二维MoS₂的激光器的发展。
-

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值