⚠️ 以下所有内容总结都来自于 大语言模型的能力，如有错误，仅供参考，谨慎使用
🔴 请注意：千万不要用于严肃的学术场景，只能用于论文阅读前的初筛！
💗 如果您觉得我们的项目对您有帮助 ChatPaperFree ，还请您给我们一些鼓励！⭐️ HuggingFace免费体验
2025-06-17 更新
On Apparent Absence of Green Gap in InGaN/GaN Quantum Disks and Wells Grown by Plasma-Assisted Molecular Beam Epitaxy
Authors:Sharif Md. Sadaf, Nirmal Anand, Emile A. Carbone, Dipon K. Ghosh, Haipeng Tang
III-nitride based full-color blue, green and red-light emitting diodes are critically important for a broad range of important applications. To date, however, green or red color III-nitride light emitters grown by conventional growth techniques are limited in efficiency compared to blue emitters. As opposed to metal-organic chemical vapor deposition (MOCVD), while grown by plasma-assisted molecular beam epitaxy (PAMBE), the most intense emission is generally observed in the green spectral region in InGaN/GaN based light emitters. Such counterintuitive phenomenon of efficiency increase with increasing emission wavelength has been observed in both InGaN/GaN quantum-disks in nanowire and planar quantum-wells structures grown by PAMBE. Here, we experimentally show that the apparent absence of green gap in longer green wavelength is due to the difficulty of elimination of indium-rich non-radiative clusters and phase segregation in shorter blue wavelength quantum wells/disks.Excess indium due to the dissociation of the In-N bonds during growth lead to nitrogen vacancies and metallic inclusions. In radio-frequency PAMBE, the energy of the nitrogen radicals was found to be a driving force for indium incorporation.Our detailed growth and associated photoluminescence studies suggests that uniform phase and absence of metallic inclusion is the underlying mechanism of efficient green InGaN/GaN quantum wells/disks grown with sufficiently energetic plasma flux. Our study is valid for achieving very efficient green and red color InGaN/GaN and breaking the green gap bottleneck in quantum wells/disks grown by state-of-the-art high-power plasma-assisted molecular beam epitaxy
III-氮化物全彩色蓝光、绿光和红光发射二极管对于广泛的应用至关重要。然而，迄今为止，通过传统生长技术生长的III族氮化物绿色或红色光发射器与蓝色发射器相比，其效率受到限制。与金属有机气相沉积（MOCVD）相比，采用等离子体辅助分子束外延（PAMBE）生长时，通常在InGaN/GaN基发光器件的绿色光谱区域观察到最强烈的发射。在PAMBE生长的纳米线中的InGaN/GaN量子圆盘和平面量子阱结构中，都观察到这种效率随发射波长增加而增加的反常现象。在这里，我们通过实验表明，较长绿光波长中绿色间隙的缺失是由于较短的蓝光波长量子阱/磁盘中难以消除富含铟的非辐射团簇和相位分离所导致的。生长过程中In-N键的断裂导致铟过量，从而产生氮空位和金属夹杂物。在射频PAMBE中，发现氮自由基的能量是推动铟结合的驱动力。我们的生长和相关的光致发光研究详细表明，均匀相且无金属夹杂物是利用具有足够能量等离子通量的高效绿色InGaN/GaN量子阱/磁盘生长的潜在机制。我们的研究对于通过先进的功率等离子体辅助分子束外延技术实现高效绿色和红色InGaN/GaN量子阱/圆盘结构的发展至关重要，并且有助于解决绿光中的间隙瓶颈问题。
论文及项目相关链接
Summary
III-氮化物全彩色发光二极管在多种应用中至关重要。然而，使用传统生长技术生长的绿色或红色III-氮化物发光体的效率与蓝色发光体相比仍然较低。采用等离子辅助分子束外延技术（PAMBE）生长时，绿色光谱区域的发射最为强烈。本文实验表明，绿色波长较长时观察到的绿色间隙现象是由于消除富铟非辐射团簇和短波长的蓝色量子阱/磁盘中的相分离困难所致。生长过程中因In-N键断裂导致的过量铟会产生氮空位和金属夹杂物。射频PAMBE中，氮自由基的能量被发现是推动铟结合的关键因素。我们的生长和相关光致发光研究表明，均匀的相位和没有金属夹杂是生长的高效绿色InGaN/GaN量子阱/磁盘的内在机制，需要充分的能量等离子流量。这项研究对于使用先进的等离子体辅助分子束外延技术实现高效绿色和红色InGaN/GaN并打破绿色间隙瓶颈具有重要意义。
Key Takeaways
- III-氮化物全彩色发光二极管在众多应用中的重要性。
- 传统生长技术下的绿色和红色III-氮化物发光体的效率问题。
- 等离子辅助分子束外延技术（PAMBE）在绿色光谱区域表现出强烈的发射。
- 绿色间隙现象与消除富铟非辐射团簇和相分离的困难有关。
- 生长过程中In-N键断裂导致的过量铟问题。
- 射频PAMBE中氮自由基的能量对铟结合的影响。
点此查看论文截图
FrugalNeRF: Fast Convergence for Extreme Few-shot Novel View Synthesis without Learned Priors
Authors:Chin-Yang Lin, Chung-Ho Wu, Chang-Han Yeh, Shih-Han Yen, Cheng Sun, Yu-Lun Liu
Neural Radiance Fields (NeRF) face significant challenges in extreme few-shot scenarios, primarily due to overfitting and long training times. Existing methods, such as FreeNeRF and SparseNeRF, use frequency regularization or pre-trained priors but struggle with complex scheduling and bias. We introduce FrugalNeRF, a novel few-shot NeRF framework that leverages weight-sharing voxels across multiple scales to efficiently represent scene details. Our key contribution is a cross-scale geometric adaptation scheme that selects pseudo ground truth depth based on reprojection errors across scales. This guides training without relying on externally learned priors, enabling full utilization of the training data. It can also integrate pre-trained priors, enhancing quality without slowing convergence. Experiments on LLFF, DTU, and RealEstate-10K show that FrugalNeRF outperforms other few-shot NeRF methods while significantly reducing training time, making it a practical solution for efficient and accurate 3D scene reconstruction.
神经辐射场（NeRF）在极端小样本场景中面临重大挑战，主要是由于过拟合和训练时间长。现有方法，如FreeNeRF和SparseNeRF，使用频率正则化或预训练先验，但面临复杂的调度和偏差问题。我们引入了FrugalNeRF，这是一种新的少样本NeRF框架，它通过跨多个尺度共享权重体素来有效地表示场景细节。我们的主要贡献是一种跨尺度几何自适应方案，该方案根据跨尺度的重投影误差选择伪真实深度。这可以在不依赖外部学习先验的情况下指导训练，实现训练数据的充分利用。它还可以集成预训练的先验知识，提高质量而不会减慢收敛速度。在LLFF、DTU和RealEstate-10K上的实验表明，FrugalNeRF在减少训练时间的同时，在其他少样本NeRF方法中具有更好的性能，成为高效、准确的3D场景重建的实际解决方案。
论文及项目相关链接
PDF Paper accepted to CVPR 2025. Project page: https://linjohnss.github.io/frugalnerf/
摘要
NeRF在极端少样本场景中面临过度拟合和训练时间长的问题。现有方法如FreeNeRF和SparseNeRF采用频率正则化或预训练先验，但面临复杂调度和偏差问题。本文介绍FrugalNeRF，一种新型少样本NeRF框架，通过跨尺度权重共享体素高效表示场景细节。关键贡献在于跨尺度几何适应方案，根据跨尺度的重投影误差选择伪地面真实深度，指导训练，无需依赖外部学习先验，充分利用训练数据。它还可以集成预训练先验，提高质量，不会减慢收敛速度。在LLFF、DTU和RealEstate-10K上的实验表明，FrugalNeRF在少样本NeRF方法中表现优越，同时显著减少训练时间，是高效准确3D场景重建的实用解决方案。
要点
- NeRF在少样本场景中面临挑战，包括过度拟合和训练时间长。
- 现有方法使用频率正则化或预训练先验，但存在复杂调度和偏差问题。
- FrugalNeRF通过跨尺度权重共享体素高效表示场景细节。
- 跨尺度几何适应方案选择伪地面真实深度，基于跨尺度的重投影误差。
- 该方案指导训练，无需依赖外部学习先验，充分利用训练数据。
- FrugalNeRF可集成预训练先验，提高质量，且不会减慢收敛速度。
- 在多个数据集上的实验表明，FrugalNeRF在少样本NeRF方法中表现优越，训练时间更短。
点此查看论文截图
