Potential profile, design parameters and thermal properties of asymmetric double-barrier heterostructures based on AlGaAs simulated with NEGF+H

This is a repository for assymmetric double barrier heterostructures that were simulated using the NEGF coupled with the heat equation described in BESCOND:Phys. Rev. Applied:2020. Relation between the csv columns and variables: Column Variable Definition 1 Lb1 [nm] First barrier length 2 LQW [nm] Quantum well length 3 Lb2 [nm] Second barrier length 4 γ Fraction on Al in AlGaAs alloy 5 V [V] Bias between emitter and collector 6 CP [W/m²] Cooling power 7 Te [K] Electron temperature in the Quantum well 8 W1 [eV] First activation energy 9 W2 [eV] Second activation energy 10-1525 PP [eV] Potential profile These data was used to feed the machine learning workflow shared in https://gitlab.citius.usc.es/modev/coolML, and published in FERNANDEZ:Scientific Reports:2024 This work was supported by the Spanish MICINN/AEI, Xunta de Galicia, and FEDER Funds under Grant RYC-2017-23312, Grant PID2019-104834GB-I00, Grant PID2022-141623NB-I00, Grant PID2022-142709OB-C21/PID2022-142709OA-C22, Grant ED431F 2020/008, Grant ED431C 2022/16 and GELATO ANR project (ANR-21-CE50-0017).本仓库存储非对称双势垒异质结构的仿真数据集，该结构采用结合热方程的非平衡格林函数（NEGF, Non-Equilibrium Green's Function）方法进行仿真，相关方法源自BESCOND于2020年发表于《物理评论：应用》（Phys. Rev. Applied）的研究工作。 ### CSV列与变量对应关系 | 列号 | 变量名 | 定义说明 | |------|--------------|------------------------------| | 1 | Lb1 [nm] | 第一势垒长度 | | 2 | LQW [nm] | 量子阱长度 | | 3 | Lb2 [nm] | 第二势垒长度 | | 4 | γ | AlGaAs合金中铝的组分占比 | | 5 | V [V] | 发射极与集电极之间的偏置电压 | | 6 | CP [W/m²] | 冷却功率 | | 7 | Te [K] | 量子阱内的电子温度 | | 8 | W1 [eV] | 第一活化能 | | 9 | W2 [eV] | 第二活化能 | | 10-1525 | PP [eV] | 电势分布 | 本数据集已被用于支撑https://gitlab.citius.usc.es/modev/coolML 开源的机器学习工作流，并在FERNANDEZ于2024年发表于《科学报告》（Scientific Reports）的研究中正式刊发。 本研究得到西班牙科学与创新部/西班牙国家研究机构（MICINN/AEI）、加利西亚自治区政府（Xunta de Galicia）以及欧洲区域发展基金（FEDER）资助，相关资助项目包括：RYC-2017-23312、PID2019-104834GB-I00、PID2022-141623NB-I00、PID2022-142709OB-C21/PID2022-142709OA-C22、ED431F 2020/008、ED431C 2022/16，以及GELATO法国国家科研署（ANR）项目（ANR-21-CE50-0017）。