http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
열선 화학 기상 증착법에 의한 실리콘 박막 및 태양전지 특성
김상균(Kim, Sang-Kyun),이정철(Lee, Jeong Chul),전상원(Jeon, Sang Won),임충현(Lim, Chung Hyun),안세진(Ahn, Sae Jin),윤재호(Yun, Jae Ho),김석기(Kim, Seok Ki),송진수(Song, Jinsoo),박성주(Park, S-J),윤경훈(Yoon, Kyung Hoon) 한국신재생에너지학회 2005 한국신재생에너지학회 학술대회논문집 Vol.2005 No.06
최근 열선 화학 기상 증착법(HWCVD)은 낮은 온도에서 TFT용 Poly Si 중착을 할 수 있다는 점과 실리콘 박막을 빠른 속도로 증착할 수 있다는 점에서 각광을 받고 있다. 본 연구에서는 HWCVD를 이용하여 태양전지를 제조하고 그 특성을 평가하였다. 조건에 따른 실리콘 박막의 특성 변화를 알기 위해 corning glass 및 실리콘 wafer에 다양한 조건에서 단위 박막(intrinsic layer)을 증착하였고 이 결과를 바탕으로 p/i/n 구조의 태양전지를 제조하였다. Ta 열선 온도는 1700-2000도였고 가스 원료인 SiH₄와 수소의 비율을 조절하면서 그 영향을 관찰하였다. 태양전지의 경우 p충과 n충은 PECVD로 증착하였으며 단위박막 및 태양전지 i충 증착시 기판과 열선간의 거리는 7cm, 기판 온도는 200?C와 250?C로 고정하였고 작업압력은 30mTorr였다. 단위 박막 특성 평가를 위해 암/광 전도도, SEM, Raman Scattering, FT-IR등을 사용하였으며 태양전지 특성 평가를 위해 I-V 및 Spectral response를 측정하였다. 열선 온도가 증가함에 따라 증착속도 및 결정화 분율은 증가하였다. 특히 비정질에서 결정질로 전이되는 구간은 매우 좁았으며 여러 분석 방법에서 일치되는 결과를 보였다. SiH₄ 유량이 늘어날수록 비정질이 결정질로 바뀌는 열선 온도가 증가하였으며 기판 온도가 낮을 경우 또한 결정으로 바뀌는 열선 온도가 증가하였다. 태양전지의 경우 열선 온도가 증가함에 따라 V_{oc} 및 W가 낮아졌으며 J_{sc}, 는 증가하는 경향을 보였으며 결정질 비율이 증가하는 것을 관찰할 수 있었다. 이러한 경향은 quantum efficiency 결과에서도 확인할 수 있었다.
Conceptual Design of PLS-II Control System for PLS
J.C. Yoon(윤종철),J.W. Lee(이진원),E.H. Lee(이은희),H.G Ha(하기만),J.M. Kim(김재명),S.J. Park(박성주),K.R. Kim(김경렬) 대한전기학회 2009 대한전기학회 학술대회 논문집 Vol.2009 No.7
PLS(Pohang Light Source) will begin the PLS-Ⅱ project that has been funded by the KOREA Government in order to further upgrade the PLS which has operated since 1992. The control system of the PLS-II has distributed control architecture, with two layers of hierarchy; operator interface computer (OIC) layer and machine interface computer (MIC) layer. The OIC layer is based on SUN workstation with UNIX. A number of PC-based consoles allow to remotely operating the machine from the control room. PC-based consoles use the Linux or Windows operation system. Similar consoles in the experimental hall are used to control experiments. The MIC layer is directly interfaced to individual machine devices for low-level data acquisition and control. MIC layer is based on VMEbus standard with vxWorks real-time operating system. Executable application software modules are downloaded from host computers at the system start-up time. The MIC's and host computers are linked through Ethernet network. It should enable the use of hardware and software already developed for specific light source requirements. The core of the EPICS (Experimental Physics and Industrial Control System)[1] has been chosen as the basis for the control system software.
고속 해상 객체 분류를 위한 양자화 적용 기반 CNN 딥러닝 모델 성능 비교 분석
이성주 ( Seong-ju Lee ),이효찬 ( Hyo-chan Lee ),송현학 ( Hyun-hak Song ),전호석 ( Ho-seok Jeon ),임태호 ( Tae-ho Im ) 한국인터넷정보학회 2021 인터넷정보학회논문지 Vol.22 No.2
최근 급속도로 성장하고 있는 인공지능 기술이 자율운항선박과 같은 해상 환경에서도 적용되기 시작하면서 디지털 영상에 특화된 CNN 기반의 모델을 적용하는 관련 연구가 활발히 진행되고 있다. 이러한 해상 서비스의 경우 인적 과실을 줄이기 위해 충돌 위험이 있는 부유물을 감지하거나 선박 내부의 화재 등 여러 가지 기술이 접목되기에 실시간 처리가 매우 중요하다. 그러나 기능이 추가 될수록 프로세서의 제품 가격이 증가하는 문제가 존재해 소형 선박의 선주들에게는 비용적인 측면에서 부담이 된다. 또한 대형 선박의 경우 자율운항선박의 시스템을 감안할 때, 연산 속도의 성능 향상을 위해 복잡도가 높은 딥러닝 모델의 성능을 개선하는 방법이 필요하다. 따라서 본 논문에서는 딥러닝 모델에 경량화 기법을 적용해 정확도를 유지하면서 고속으로 처리할 수 있는 방법에 대해 제안한다. 먼저 해상 부유물 검출에 적합한 영상 전처리를 진행하여 효율적으로 CNN 기반 신경망 모델 입력에 영상 데이터가 전달될 수 있도록 하였다. 또한, 신경망 모델의 알고리즘 경량화 기법 중 하나인 학습 후 파라미터 양자화 기법을 적용하여 모델의 메모리 용량을 줄이면서 추론 부분의 처리 속도를 증가시켰다. 양자화 기법이 적용된 모델을 저전력 임베디드 보드에 적용시켜 정확도와 처리 속도를 사용하는 임베디드 성능을 고려하여 설계하는 방법을 제안한다. 제안하는 방법 중 정확도 손실이 제일 최소화되는 모델을 활용해 저전력 임베디드 보드에 비교하여 기존보다 최대 4~5배 처리 속도를 개선할 수 있었다. As artificial intelligence(AI) technologies, which have made rapid growth recently, began to be applied to the marine environment such as ships, there have been active researches on the application of CNN-based models specialized for digital videos. In E-Navigation service, which is combined with various technologies to detect floating objects of clash risk to reduce human errors and prevent fires inside ships, real-time processing is of huge importance. More functions added, however, mean a need for high-performance processes, which raises prices and poses a cost burden on shipowners. This study thus set out to propose a method capable of processing information at a high rate while maintaining the accuracy by applying Quantization techniques of a deep learning model. First, videos were pre-processed fit for the detection of floating matters in the sea to ensure the efficient transmission of video data to the deep learning entry. Secondly, the quantization technique, one of lightweight techniques for a deep learning model, was applied to reduce the usage rate of memory and increase the processing speed. Finally, the proposed deep learning model to which video pre-processing and quantization were applied was applied to various embedded boards to measure its accuracy and processing speed and test its performance. The proposed method was able to reduce the usage of memory capacity four times and improve the processing speed about four to five times while maintaining the old accuracy of recognition.