افزایش قابلیت‌های شبیه‌سازی میکروباتری‌های بتاولتائیک با استفاده از کد ترکیبی MCNPX-SILVACO

ملکی, پدرام; اطاعتی, غلامرضا

doi:10.24200/nst.2020.1147

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ گروه فیزیک هسته‌ای، دانشکده علوم، دانشگاه مازندران، صندوق پستی: 13534-47416، مازندران - ایران

² دانشکده مهندسی انرژی و فیزیک، دانشگاه صنعتی امیرکبیر، صندوق پستی: ۴۴۱۳-۱۵۸۷۵، تهران ـ ایران

https://doi.org/10.24200/nst.2020.1147

چکیده

میزان دقت هر شبیه‌سازی عامل بسیار مهمی است که افزایش آن موجب به واقعیت نزدیک‌تر شدن نتایج آن شبیه‌سازی می‌گردد. هدف این مطالعه، بهبود دقت محاسبه پارامترهای باتری بتاولتائیک می‌باشد. بدین منظور ابتدا با استفاده از کد MCNPX توزیع انباشت انرژی ناشی از طیف ذرات‌بتای چشمه نیکل- 63 داخل نیمه‌هادی سیلیکون شبیه‌سازی گردیده، سپس با بهره‌بردن از یکی از قابلیت‌های کد سیلواکو(پارامتر F.RADIATE دستور BEAM) تابع مترجم در محیط C++ تعریف می‌شود. در انتها نیز جهت محاسبه مشخصه‌های الکتریکی باتری مبتنی‌ بر نتایج وابسته به مکان MCNPX، از کد سیلواکو استفاده شده ‌است. ابتدا برای اعتبارسنجی، محاسبات برای یک نمونه باتری ساخته شده با سطح مقطع ²mm 16 و چشمه با اکتیویته mCi1 انجام شد و نتایج آن با نتایج تجربی و دو روش تحلیلی مقایسه شده‌اند. سپس این محاسبات برای باتری با اکتیویته mCi100، سطح مقطع ²cm 1 و مقایسه نتایج آن با نتایج یک روش تحلیلی انجام گرفته است. نتایج نشان دادند که شبیه‌سازی مشخصه‌های میکروباتری توسط کد تلفیقی MCNPX-SILVACO با استفاده از توزیع سه بعدی الکترون- حفره در نیمه هادی و استفاده از طیف کامل ذرات بتا، افزایش قابل ملاحظه‌ای را در صحت محاسبات ایجاد می‌کند و قابلیت مناسبی را برای بهینه‌سازی طراحی باتری در اختیار می‌گذارد.

کلیدواژه‌ها

20.1001.1.17351871.1399.41.3.5.8

عنوان مقاله [English]

Enhance simulation capability of beta-voltaic micro battery using MCNPX-SILVACO hybrid code

نویسندگان [English]

P. Maleki ¹
Gh.R. Etaati ²

¹ Nuclear Physics Group, Basic Science Department, Mazandaran University, P.O.Box: 47416-13534, Mazandaran - Iran

² Energy Engineering and Physics Department, Amirkabir University of Technology, P.O.Box: 15875-4413, Tehran - Iran

چکیده [English]

The accuracy of each simulating beta-voltaic battery parameter is very important, especially in micro-batteries. The aim of this study is to improve the calculation of beta-battery parameters’ accuracy. For this purpose, at first, using the Monte Carlo N-Particle code (MCNPX), the energy accumulation distribution of the ⁶³Ni beta particle spectrum inside a silicon semiconductor has been simulated. Then, the ATLAS C-Interpreter function in C ++ was defined, using one of the SILVACO code abilities (the parameter F.RADIATE BEAM statement). Finally, the device electric parameters have been obtained using ATLAS-SILVACO based on the location-dependent of MCNPX results. For validation, the calculations were performed for a battery sample made of 16 mm²cross-section and 1 mCi activity of radioisotope ⁶³Ni as a source, and finally, the results were compared with one experimental result and two analytical methods. The calculations repeated for the other sample with 100 mCi activity and 1 cm² of geometry, and compared its results with an analytical method results. The results showed that the simulation of micro-battery characteristics by the MCNPX-SILVACO hybrid code using three-dimensional electron-hole pairs’ distribution in semiconductor and the full spectrum of beta particles creates a significant increase in the accuracy of the computation, and provides a good capability to optimize the design of the battery.

کلیدواژه‌ها [English]

Beta-voltaic micro battery
MCNPX
ATLAS-SILVACO
63Ni beta particles source
Silicon semiconductor

مراجع

1. M. Mi, et al. RF energy harvesting with multiple antennas in the same space, IEEE Antennas Propag. Mag., 47, 100 (2005).

2. Z.L. Wang, J. Song, Piezoelectric nanogenerators based on zinc oxide nanowire arrays, Sci. 312, 243 (2006).

3. J.C. Goldschmidt, F. Stefan, Up conversion for Photovoltaics a review of materials, devices and concepts for performance enhancement, Adv. Opt. Mater., 3, 510 (2015).

4. V. Leonov, V.J.M. Ruud, Wearable electronics self-powered by using human body heat: the state of the art and the perspective, J. Renewable Sustainable Energy., 1, 062701 (2009).

5. G. Zou, K. Zhou, G. KE, A Simple theoretical model for 63Ni betavoltaic battery, Appl. Rad. Isot., 82, 119 (2013).

6. WEI, S. Lawrence, Parametric studies and optimization of the beta-voltaic cell-I. Short-circuit current, Solid-State Electron., 17, 1091 (1974).

7. W.G. Cross, H. Ing, N. Freedman, A short atlas of beta-ray spectra, Phys. Med. Biol., 28, 1251 (1983).

8. M. Mohamadian, S.A.H. Feghhi, H. Afariadeh, Conceptual design of GaN betavoltaic battery using in cardiac pacemaker, In: Proceedings of the 13th International Conf on Emerging of Nuclear Energy Systems (ICENES), Istanbul, Turkey (2007).

9. G. Wang, et al., Design and performance of energy conversion units of betavoltaic isotopic batteries, At. Energy Sci. Technol., 44 (4), 494 (2010).

10. H. Chen, J.L. Jiang, X. Chen, Design optimization of GaAs betavoltaic batteries, J. Phys. D: Appl. Phys., 44, 215303 (2011).

11. D.Y. Qiao, et al., A nuclear micro-battery based on silicon PIN diode. Acta Phys. Sin., 60(2), 020701 (2011).

12. G. Hui, et al., Investigation of a energy conversion silicon chip based on 63Ni radio-voltaic effect, Acta Phys. Sin, 61(17), 176101 (2012).

13. G.R. Ghasemi Nejad, F. Rahmani, Design and simulation of betavoltaic angle sensor Based on 63Ni-Si, Appl. Radiat. an Isot, 107, 346 (2016).

14. H. Guo, A. Lal, Nanopower betavoltaic microbatteries. Proceedings of 12th International Conference on Transducers, Solid-State Sensors, Actuators and Microsystems, 36 (2003).

15. Q.D. Yong, et. al., China Phys. Lett. 25(10), 3798 (2008).

16. H. Flicker, J.J. Loferski, T.S. Elleman, Construction of a promethium-147 atomic battery, IEEE Trans. Electron Devices, 11, 2 (1964).

17. P. Rappaport, J.J. Loferski, Thresholds for Electrons Bombardment Induced Lattice Displacements in Si and Ge, Phys. Rev., l00, 1261 (1955).

18. H.K. Jung, et al., Betavoltaic Prediction using Ni-63 beta radioisotope and Semiconductor, Transactions of the Korean Nuclear Society Spring Meeting, Chuncheon, Korea, (May 25-26 (2006)).

19. L.C. Olsen, Review of Betavoltaic Energy Conversion. Washington State University/Tri Cities, N94-11407, (1994).

20. C. Klein, Bandgap dependence and related features of radiation ionization energies in semiconductors, J. Appl. Phys., 39(4), 2029 (1968).

21. C. Honsberg, GaN betavoltaic energy converters, Conference Record of the Thirty-First IEEE Photovoltaic Specialists Conference, 102 (2005).

22. M. Shur, Physics of Semiconductor Devices, ? Ed. (Prentice Hall, 1990).

23. A. Luque, S. Hegedus, Handbook of Photovoltaic Science and Engineering, (John Wiley & Sons Ltd, England, 2003).

24. S.Y. Xu, Monte Carlo Methods in Experimental Nuclear Physics Applications, Beijing: Atomic Energy Press, 262–270 (2006).

25. I. Lysenko, et al., The Use of TCAD in Technology Simulation for Increasing the Efficiency of Semiconductor Manufacturing. AIP Conference Proceedings, 1772, 060012 (2016).

26. S. Rahastama, A. Waris, Analytical study of 90Sr betavoltaic nuclear battery performance based on p-n junction silicon, J. Phys, Conference Series, 739(1), (2016).

27. X.B. Tang, et al. Optimization design and analysis of Si-63Ni beta voltaic battery, Science China, 55, 990 (2012).

مجله علوم و فنون هسته ای

افزایش قابلیت‌های شبیه‌سازی میکروباتری‌های بتاولتائیک با استفاده از کد ترکیبی MCNPX-SILVACO

مراجع

مراجع

دوره 41، شماره 3 - شماره پیاپی 93
آذر 1399
صفحه 37-44

افزایش قابلیت‌های شبیه‌سازی میکروباتری‌های بتاولتائیک با استفاده از کد ترکیبی MCNPX-SILVACO

مراجع

مراجع

دوره 41، شماره 3 - شماره پیاپی 93آذر 1399صفحه 37-44

دوره 41، شماره 3 - شماره پیاپی 93
آذر 1399
صفحه 37-44