Published November 1, 2022
| Version v1
Publication
Modeling optical energy gap of thin film cuprous oxide semiconductor using swarm intelligent computational method
Creators
- 1. Prince Sattam Bin Abdulaziz University
- 2. Imam Abdulrahman Bin Faisal University
- 3. Adekunle Ajasin University
- 4. University of Hafr Al-Batin
Description
Cuprous oxide (Cu2O) is a p-type metal oxide semiconducting material with potential in photovoltaic and photocatalysis applications due to its excellent absorption capacity in visible region and tunable energy gap. Experimental synthesis and energy gap characterization of thin film cuprous oxide semiconductor with desired dopants and varying experimental conditions for enhanced photocatalytic as well as photovoltaic activities are laborious and consume appreciable precious resources. This work hybridizes particle swarm optimization method with support vector regression algorithm for computing energy gap of thin film cuprous oxide semiconductor using the thickness of thin film and distorted lattice parameter as descriptors. The predictions of swarm-based support vector regression (S-SVR) model are compared with estimates of stepwise regression (SR) model while S-SVR shows superior performance of 39.47 %, 36.20 % and 114.41 % on testing data samples over SR model using root mean square error (RMSE), mean absolute error (MAE) and correlation coefficient (CC), respectively. The developed S-SVR model is characterized with 0.9559 CC, 0.0586 MAE and 0.028 RMSE on the basis of training samples. The developed S-SVR and SR models were further validated using external data samples while the developed S-SVR demonstrates excellent agreement with the measured values. The convincing precision demonstrated by S-SVR model would be of indispensable significance in determining energy gap of cuprous oxide semiconductor (for photocatalytic applications in pollutant removal, solar cell, gas sensors and thin film transistors) with appreciable quickness and reduced cost coupled with experimental difficulty circumvention.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
أكسيد النحاس (Cu2O) هو مادة شبه موصلة لأكسيد الفلز من النوع p مع إمكانات في تطبيقات الطاقة الكهروضوئية والتحفيز الضوئي بسبب قدرتها الممتازة على الامتصاص في المنطقة المرئية وفجوة الطاقة القابلة للضبط. إن التوليف التجريبي وتوصيف فجوة الطاقة لأشباه موصلات أكسيد النحاس الرقيقة مع المنشطات المرغوبة والظروف التجريبية المختلفة للأنشطة التحفيزية الضوئية المحسنة وكذلك الأنشطة الكهروضوئية شاقة وتستهلك موارد ثمينة ملموسة. يعمل هذا العمل على تهجين طريقة تحسين سرب الجسيمات مع خوارزمية انحدار متجه الدعم لحساب فجوة الطاقة لأشباه موصلات أكسيد النحاس ذات الأغشية الرقيقة باستخدام سمك الأغشية الرقيقة ومعلمة الشبكة المشوهة كوصف. تتم مقارنة تنبؤات نموذج الانحدار المتجه للدعم القائم على السرب (S - SVR) بتقديرات نموذج الانحدار التدريجي (SR) بينما يُظهر S - SVR أداءً متفوقًا بنسبة 39.47 ٪ و 36.20 ٪ و 114.41 ٪ على عينات بيانات الاختبار عبر نموذج الانحدار المتجه باستخدام متوسط الجذر التربيعي (RMSE)، ومتوسط الخطأ المطلق (MAE) ومعامل الارتباط (CC)، على التوالي. يتميز نموذج S - SVR المطور بـ 0.9559 CC و 0.0586 MAE و 0.028 RMSE على أساس عينات التدريب. تم التحقق من صحة نماذج S - SVR وSR المطورة باستخدام عينات بيانات خارجية بينما يُظهر S - SVR المطور توافقًا ممتازًا مع القيم المقاسة. ستكون الدقة المقنعة التي أظهرها نموذج S - SVR ذات أهمية لا غنى عنها في تحديد فجوة الطاقة لأشباه موصلات أكسيد النحاس (للتطبيقات التحفيزية الضوئية في إزالة الملوثات والخلايا الشمسية وأجهزة استشعار الغاز والترانزستورات ذات الأغشية الرقيقة) بسرعة ملحوظة وتكلفة منخفضة إلى جانب التحايل على الصعوبة التجريبية.Translated Description (French)
L'oxyde cuivreux (Cu2O) est un matériau semi-conducteur d'oxyde métallique de type p avec un potentiel dans les applications photovoltaïques et de photocatalyse en raison de son excellente capacité d'absorption dans la région visible et de son écart d'énergie accordable. La synthèse expérimentale et la caractérisation de l'écart d'énergie du semi-conducteur à oxyde cuivreux en couche mince avec les dopants souhaités et les conditions expérimentales variables pour des activités photocatalytiques et photovoltaïques améliorées sont laborieuses et consomment des ressources précieuses appréciables. Ce travail hybride la méthode d'optimisation de l'essaim de particules avec l'algorithme de régression vectorielle de support pour calculer l'écart d'énergie du semi-conducteur à oxyde cuivreux à couche mince en utilisant l'épaisseur de la couche mince et le paramètre de réseau déformé comme descripteurs. Les prédictions du modèle de régression vectorielle de support basé sur l'essaim (S-SVR) sont comparées aux estimations du modèle de régression par étapes (SR) tandis que S-SVR montre des performances supérieures de 39,47 %, 36,20 % et 114,41 % sur les échantillons de données de test sur le modèle SR en utilisant l'erreur quadratique moyenne (RMSE), l'erreur absolue moyenne (MAE) et le coefficient de corrélation (CC), respectivement. Le modèle S-SVR développé est caractérisé avec 0,9559 CC, 0,0586 MAE et 0,028 RMSE sur la base d'échantillons d'entraînement. Les modèles S-SVR et SR développés ont ensuite été validés à l'aide d'échantillons de données externes, tandis que le S-SVR développé démontre un excellent accord avec les valeurs mesurées. La précision convaincante démontrée par le modèle S-SVR serait d'une importance indispensable pour déterminer l'écart d'énergie du semi-conducteur à oxyde cuivreux (pour les applications photocatalytiques dans l'élimination des polluants, les cellules solaires, les capteurs de gaz et les transistors à couches minces) avec une rapidité appréciable et un coût réduit couplé à une difficulté expérimentale de contournement.Translated Description (Spanish)
El óxido cuproso (Cu2O) es un material semiconductor de óxido metálico de tipo p con potencial en aplicaciones fotovoltaicas y de fotocatálisis debido a su excelente capacidad de absorción en región visible y brecha de energía sintonizable. La síntesis experimental y la caracterización de la brecha de energía del semiconductor de óxido cuproso de película delgada con los dopantes deseados y las condiciones experimentales variables para mejorar las actividades fotocatalíticas y fotovoltaicas son laboriosas y consumen recursos preciosos apreciables. Este trabajo hibrida el método de optimización de enjambre de partículas con el algoritmo de regresión vectorial de soporte para calcular la brecha de energía del semiconductor de óxido cuproso de película delgada utilizando el espesor de la película delgada y el parámetro de la red distorsionada como descriptores. Las predicciones del modelo de regresión vectorial de soporte (S-SVR) basado en enjambres se comparan con las estimaciones del modelo de regresión escalonada (SR), mientras que S-SVR muestra un rendimiento superior del 39,47 %, 36,20 % y 114,41 % en las muestras de datos de prueba sobre el modelo SR utilizando el error cuadrático medio (RMSE), el error absoluto medio (MAE) y el coeficiente de correlación (CC), respectivamente. El modelo S-SVR desarrollado se caracteriza con 0.9559 CC, 0.0586 MAE y 0.028 RMSE sobre la base de muestras de entrenamiento. Los modelos S-SVR y SR desarrollados se validaron aún más utilizando muestras de datos externos, mientras que el S-SVR desarrollado demuestra una excelente concordancia con los valores medidos. La precisión convincente demostrada por el modelo S-SVR sería de importancia indispensable para determinar la brecha de energía del semiconductor de óxido cuproso (para aplicaciones fotocatalíticas en la eliminación de contaminantes, células solares, sensores de gas y transistores de película delgada) con una rapidez apreciable y un costo reducido junto con la elusión de la dificultad experimental.Additional details
Additional titles
- Translated title (Arabic)
- نمذجة فجوة الطاقة الضوئية لأشباه موصلات أكسيد النحاس ذات الأغشية الرقيقة باستخدام طريقة حسابية ذكية للسرب
- Translated title (French)
- Modélisation de l'écart d'énergie optique d'un semi-conducteur à oxyde cuivreux en couche mince à l'aide d'une méthode informatique intelligente Swarm
- Translated title (Spanish)
- Modelado de la brecha de energía óptica del semiconductor de óxido cuproso de película delgada utilizando el método computacional inteligente Swarm
Identifiers
- Other
- https://openalex.org/W4308025650
- DOI
- 10.1080/23311916.2022.2137936
References
- https://openalex.org/W1196251628
- https://openalex.org/W1971122149
- https://openalex.org/W1977948666
- https://openalex.org/W2079278598
- https://openalex.org/W2152195021
- https://openalex.org/W2156909104
- https://openalex.org/W2224208306
- https://openalex.org/W2227652308
- https://openalex.org/W2528968870
- https://openalex.org/W2551032648
- https://openalex.org/W2595641345
- https://openalex.org/W2778688660
- https://openalex.org/W2799635155
- https://openalex.org/W2801311779
- https://openalex.org/W2919292258
- https://openalex.org/W2924872808
- https://openalex.org/W2942874848
- https://openalex.org/W2944218924
- https://openalex.org/W2946269013
- https://openalex.org/W2980011983
- https://openalex.org/W2981239862
- https://openalex.org/W2982478905
- https://openalex.org/W2985886828
- https://openalex.org/W2997897427
- https://openalex.org/W3003250215
- https://openalex.org/W3009478328
- https://openalex.org/W3013738735
- https://openalex.org/W3022631368
- https://openalex.org/W3024284722
- https://openalex.org/W3032940147
- https://openalex.org/W3037224083
- https://openalex.org/W3040164509
- https://openalex.org/W3043808834
- https://openalex.org/W3080435548
- https://openalex.org/W3098547397
- https://openalex.org/W3106939137
- https://openalex.org/W3119191483
- https://openalex.org/W3145504031
- https://openalex.org/W3158758262
- https://openalex.org/W3192092632
- https://openalex.org/W3194623081
- https://openalex.org/W3198282457
- https://openalex.org/W3199075794
- https://openalex.org/W3199347411
- https://openalex.org/W3207973730
- https://openalex.org/W3208856731
- https://openalex.org/W4214645808
- https://openalex.org/W4248923193
- https://openalex.org/W4249477235
- https://openalex.org/W4256667009
- https://openalex.org/W820297135