Fabricación de nanocontactos para células solares: invisibilidad y resonancias plasmónicas

Los dispositivos opto-electrónicos, tales como las células solares, las pantallas planas y los diodos LED (del inglés light emitting diodes), necesitan contactos eléctricos en la cara frontal por la que entra o sale la luz del dispositivo. Estos contactos causan pérdidas por reflexión y absorción de luz (sombra) y por resistencia eléctrica. En una primera aproximación estas pérdidas son contrapuestas, lo que mejora la sombra empeora la resistencia y viceversa. Hasta ahora esto se ha entendido como un compromiso inevitable que limita la eficiencia de conversión energética de los dispositivos opto-electrónicos: disminuir las pérdidas por resistencia eléctrica implica necesariamente aumentar las pérdidas ópticas por sombra. Esta tesis se ha encaminado a tratar de superar esta dificultad a través de la nanoestructuración de la malla de contacto frontal, con especial énfasis en el caso de las células solares de concentración. El objetivo es poder reducir simultáneamente las pérdidas por sombreado y resistencia en serie de la malla. Hemos encontrado, en base a experimentos, teoría y simulaciones, que para tamaños de linea pequeños, en el umbral del régimen de Rayleigh, pero no lo suficientemente pequeños como para que se den las resonancias plasmónicas más intensas (de tipo dipolar), los contactos hacen menos sombra de la que corresponde a su área geométrica. Se puede decir que los contactos se vuelven parcialmente invisibles. En una primera parte de introducción se ha presentado la influencia de la malla en las pérdidas por resistencia en serie producidas en la célula. Se ha analizado el peso de las distintas variables y se ha escogido la reducción del espaciado entre líneas como alternativa a desarrollar. Para no afectar a otras variables, se ha reducido acordemente la anchura de línea manteniendo el factor de sombra geométrico de las células estado del arte. Se ha calculado que para un caso ideal la ganancia puede ser de un 4% absoluto para mallas con líneas de anchura 400-600 nm distribuidas en periodos de 10-20 μm. Se ha visto como otros efectos eléctricos apuntan también a ese rango como óptimo...

Identificación de imágenes por análisis de texturas utilizando aprendizaje estadístico

Este documento explica la creación, implementación y uso del proyecto de fin de grado, desarrollado dentro del grupo de investigación ISCAR (Ingeniería de Sistemas, Control, Automática y Robótica) de la Facultad de Informática de la Universidad Complutense. El proyecto consiste en la implementación de una aplicación capaz de clasificar texturas extraídas de distintas imágenes mediante técnicas de visión por computador. Dicha aplicación se divide en tres pilares fundamentales: interfaz gráfica de usuario, algoritmos de extracción de características texturales y aprendizaje supervisado mediante una máquina “SVM” (Support Vector Machine). Interfaz gráfica: proporciona al usuario una forma fácil de uso de la aplicación por medio de la visualización gráfica de una imagen con una serie de elementos de configuración para su posterior análisis. Una vez analizada, el usuario si así lo desea, podrá visualizar los resultados de manera intuitiva, así como guardar dichos resultados después de la ejecución de los algoritmos pertinentes. Algoritmos de análisis de texturas: Procede al cálculo de las configuraciones y las muestras provistas por el usuario en la interfaz gráfica como el cálculo de la matriz de co-ocurrencia y el cálculo de los vectores de características (homogeneidad, media, varianza, Entropía, etc…). SVM: Utiliza los vectores de características obtenidos en los cálculos estadísticos de texturas para realizar el proceso de aprendizaje de un clasificador SVM. La aplicación ha sido construida en JAVA haciendo uso de librerías como JNI_SVM-light-6.01, commons-math3-3.0 y WindowsBuilder, para la construcción de la ventana gráfica, cálculo de los métodos estadísticos y máquina de aprendizaje automático. Dicha aplicación se ha utilizado con el objetivo de identificar y clasificar el quiste de Baker mediante imágenes obtenidas por Resonancias Magnéticas de la rodilla.