Semiconductor-insulator interfaces play an important role in the performance of many different electronic and optoelectronic devices such as transistors, LEDs, lasers and solar cells. Particularly, the recombination of photo-generated charge carriers at interfaces in crystalline silicon solar cells causes a dramatic efficiency reduction. Therefore, during the fabrication process, the crystalline silicon must be subjected to prior superficial passivation; typically through an insulating layer such as SiO2, SiNx or AlOx. The function of this passivating layer is to reduce electrical recombination losses in interfacial defect states originating from dangling bonds. The associated passivation parameters are, on the one hand, stable charges within the insulating layer (Qox) that by repelling a certain type of charge carrier from the crystalline silicon surface, reduces its recombination effectiveness (Field Effect Passivation). On the other hand, the density of surface defect states or the interface trap density (Dit), which is reduced by the passivation layer (Chemical Passivation). These passivation parameters (Qox and Dit) turn out to be relevant when evaluating the effectiveness of a new material with passivating properties, as well as relevant for different theoretical models that allow simulations of the spectral response and/or efficiency in solar cells under different passivation conditions. One of the techniques widely used for studying the interfacial passivation properties of semiconductor electronic devices is the extraction of these interfacial passivation parameters through of capacitance-voltage (C-V) measurements on metal-oxide-semiconductor (MOS) or metal-insulator-semiconductor (MIS) systems. In the present work, a simulation tool for High-Frequency C-V curves based on simulated Qox and the Dit was developed using Python. As a first step, the simulation was developed for an ideal MOS system, i.e. for Qox = 0 and Dit = 0. A verification of the resulting, simulated band-bending was reached through a band diagram simulator (The Multi-Dielectric Band-Diagram program). As a second step, the program was subjected to an evaluation and validation through experimental data. This data comprises measurements of C-V and their respective extracted parameters for a sample of silicon dioxide thermally grown on crystalline silicon wafer (SiO2/c-Si). Using three different models for the Dit distribution within the band gap energy: Gaussian model, U-shape model, and a constant value, approximations of the corresponding experimental C-V curve were obtained. It was evident that the C-V curve simulated from the Dit based on the model with Gaussian distributions for the defect centers and exponentials for the band tails resulted in the best approximation of the experimental C-V curve. It should be noted that the other two models were adjusted based on the value of the Dit near to midgap energy, where the recombination probability and rate are the highest. In this way, the constant model of the Dit at the midgap presented the largest deviation in the simulated C-V curve among the used models. An implicit fitting method of the Dit through the experimental C-V curve fitting is proposed. For this, the U-shape model is used because it only depends on three parameters. The average values of the fitted and the experimentally extracted Dit are compared. The parameter D0 it, which defines the value at midgap in the U-shape model could be interpreted as an average estimation of the Dit energetic range values around the midgap where recombinations are most significant. Therefore, this parameter could determine a representative value of the Dit. Finally, the developed program allows an in-depth analysis of the passivation parameters from which the surface passivation is evaluated. / La interfaz entre un semiconductor y un aislante juega un papel importante en el desempeño de diferentes dispositivos electrónicos y optoelectrónicos, tales como transistores, LEDs, láseres y celdas solares. Una de las técnicas ampliamente empleadas en el estudio de las propiedades interfaciales de dispositivos electrónicos semiconductores es la extracción de parámetros interfaciales por medio del modelo de un sistema Metal-óxido o aislante-semiconductor (MOS o MIS) sobre medidas de Capacitancia en función del voltaje (C-V). Uno de estos dispositivos, en el cual se encuentra una fuerte aplicabilidad debido al interés de investigación son las celdas solares de alta eficiencia basadas en silicio cristalino, las cuales, en la mayoría de los casos deben ser sometidas a una previa pasivacion superficial del material absorbente (comunmente silicio cristalino), por medio de una capa pasivadora, aislante (como el SiO2, SiNx o AlOx). La función de esta capa pasivadora es la de reducir las pérdidas eléctricas por recombinación en defectos interfaciales. Los parámetros asociados son por un lado, cargas estables dentro la capa aislante (Qox) que al repeler un cierto tipo de la superficie del silicio cristalino, reduce su efectividad de recombinación (pasivación por efecto de campo) y por lo lado, la reducción de la densidad de estados superficiales Dit del semiconductor (pasivación química). Estos parámetros de pasivación (Qox y Dit) resultan ser relevantes al momento de evaluar la efectividad de un nuevo material con propiedades pasivadoras, así como también son relevantes para los distintos modelos teóricos que permiten hacer simulaciones de la respuesta espectral y/o de la eficiencia en celdas solares bajo distintas condiciones. Es conocido que como primera aproximación la representación de una Dit por medio de un único estado resulta ser un buen punto de partida para estos modelos así como también una forma práctica de comparación de la pasivación química para distintas capas pasivadoras. En el presente trabajo se desarrolló, mediante el lenguaje Python, una herramienta de simulación de curvas C-V medidas a alta frecuencia en base a Qox y Dit simulados. Inicialmente la simulación es desarrollada para un sistema MOS ideal para diferentes conjuntos de ecuaciones, una solución exacta y otra aproximada del modelo usado, encontrándose una buena estimación de ambas curvas simuladas. En un primer instante un parámetro principal (band-bending potential) del programa, a partir del cual se construyen las curvas C-V, es validado con un simulador de diagrama de bandas (Multi-Dielectric Band-Diagram) obteniéndose un buen ajuste para el bandbending potential. Como segunda medida el programa fue sometido a una evaluación y validación por medio de datos experimentales. Estos datos comprenden medidas de C-V y sus respectivos parámetros extraídos para una muestra de óxido de silicio crecido térmicamente sobre obleas de silicio cristalino (SiO2/c-Si). Usando tres diferentes modelos, modelo gausiano, modelo U-shape y de valor constante, para simular la Dit. A partir de estos modelos se obtuvieron aproximaciones de la curva C-V experimental. Además comparando los distintos modelos se evidenció que el modelo gausiano es el más aproximado. Cabe señalar que los otros dos modelos se ajustaron en base al valor de la Dit en la mitad del ancho de banda (valor energético dónde más efectiva es la recombinación) el cual es conocido como midgap. De este modo, el modelo constante de Dit en el midgap presenta el mayor error entre los tres modelos usados. Un método de ajuste implícito de la Dit a través del ajuste de la curva C-V experimental es planteado. Para ello el model U-shape es usado debido a que solo depende de tres parámetros. Los valores promedios de la Dit ajustada y experimentalmente extraída son comparados, obteniéndose una aproximación hasta la segunda cifra significativa. Se da una supuesta interpretación de uno de los parámetros asociados a este modelo U-shape, el valor constante que define el midgap y sus alrededores, como el promedio de los valores centrales de la Dit experimental, cuya recombinación es significativa respecto al valor en el midgap. Por lo tanto este parámetro hallado podría determinar una Dit representativa a la hora de comparar diferentes curvas de Dit. Finalmente el programa desarrollado podría permitir un análisis profundo de los parámetros de pasivación a partir de los cuales la pasivación superficial es evaluada.

El objetivo de la presente tesis es realizar la diferenciación de las variedades de Pisco (Italia y Quebranta) que cumplan con la Denominación de Origen, así como la diferenciación del Pisco Quebranta con mezclas adulteradas con aguardiente de caña en diferentes proporciones. Para esta investigación se utilizó una nariz electrónica conformada por un arreglo de sensores basados en óxidos metálicos (SnO2 y TiO2) y composites a base de mezcla de óxidos en diferentes proporciones: (SnO2/TiO2) 1:4, (SnO2/TiO2) 1:2 y (SnO2/TiO2) 4:1. Estos materiales fueron dopados con Pt y/o Pd y adicionalmente fueron recubiertos con zeolita-Y. Este material funciona como un tamiz molecular que discrimina moléculas por su tamaño y forma. Para la preparación de los óxidos metálicos se utilizó el método sol-gel, y para el dopaje se utilizó el método por impregnación húmeda. La caracterización de los materiales se realizó mediante las siguientes técnicas: DRX, SEMEDS y FRX, con las que se lograron determinar las estructuras cristalinas y se pudo confirmar la presencia de los dopantes. Asimismo, por espectroscopía Raman se confirmó la presencia de vacancia de oxígenos superficiales, lo cual fue asociado con el incremento en la respuesta del sensor. La información de las respuestas obtenidas del análisis de sensado fue procesada utilizando la técnica de Análisis de Componentes Principales (PCA), esta técnica es un método estadístico multivariado que produce nuevas variables, denominadas componentes principales, a partir de transformaciones lineales de las variables originales, de modo tal que estas nuevas variables maximicen la Varianza Total que indica el nivel de confianza de los resultados. El PCA permite visualizar la diferenciación entre las variedades de pisco, así como la diferenciación frente a un pisco adulterado. Los sensores que mostraron una buena diferenciación de las muestras de Pisco según las variedades Italia y Quebranta son: (SnO2-TiO2)1:4, (SnO2/TiO2)1:2, (SnO2/TiO2) 4:1, 0.05% Pt (SnO2/TiO2) 4:1, 0.1% Pt (SnO2/TiO2)4:1, 0.05% -0.05% Pt-Pd(SnO2/TiO2) 4:1, 0.05% - 0.1% Pt-Pd(SnO2/TiO2) 4:1, 0.1% Pt/SnO2 y 0.05% -0.1% Pt/SnO2. El sensor (TiO2/SnO2) 4:1 es el que muestra una mayor sensibilidad y mayor capacidad para diferenciar las mezclas de Pisco con aguardiente de caña (AC), especialmente en las mezclas con menor concentración de AC. Asimismo, la capacidad de diferenciación mejora con el recubrimiento de zeolita-Y en los siguientes sensores: 0.1% Pt/SnO2 y 0.05%-0.1% Pt-Pd/SnO2. / The aim of this thesis is to differentiate the varieties of Pisco (Italia and Quebranta) that act in accordance with the Denomination of Origin, as well as the differentiation of Pisco Quebranta with mixtures adulterated with cane liquor in different proportions. For this research, an electronic nose was used, constituted by an array of sensors based on metal oxides (SnO2 and TiO2) and composites based on oxides mixtures in different proportions: (SnO2/TiO2) 1:4, (SnO2/TiO2) 1:2 and (SnO2/TiO2) 4:1. These materials were doped with Pt and/or Pd and additionally they were coated with zeolite-Y. This material works as a molecular sieve that discriminates molecules by their size and shape. For the preparation of metal oxides, the sol-gel method was used. And for doping, the wet impregnation method was used. The characterization of the materials was performed using the following techniques: XRD, SEM-ED and XRF, with these techniques was possible the determination of the crystalline structures and the presence of dopants was confirmed. Raman spectroscopy confirmed the presence of surface oxygen vacancies, it was associated with the increase of the sensor response. The information obtained from the sensing analysis was processed using the Principal Component Analysis (PCA) technique. This technique is a multivariate statistical method that produces new variables, called principal components from linear transformations of the original variables, in such a way that these new variables maximize the Total Variance that indicates the confidence level of the results. The PCA allows to visualize the differentiation between the varieties of Pisco, as well as the differentiation against an adulterated Pisco. The sensors that showed a good differentiation of the Pisco samples according to the Italia and Quebranta varieties are: (SnO2/TiO2)1:4, (SnO2/TiO2)1:2, (SnO2/TiO2) 4:1, 0.05% Pt (SnO2/TiO2) 4:1, 0.1% Pt (SnO2/TiO2)4:1, 0.05% -0.05% Pt-Pd(SnO2/TiO2) 4:1, 0.05% -0.1% Pt-Pd(SnO2/TiO2) 4:1, 0.1% Pt/SnO2 and 0.05% -0.1% Pt/SnO2. The (SnO2/TiO2) 4:1 sensor is the one that shows greater sensitivity and greater capacity to differentiate the mixtures of Pisco with cane liquor (CA), especially in the mixtures with lower concentration of CA. Besides, the differentiation capacity improves with the zeolite-Y coating in the following sensors: 0.1% Pt/SnO2 and 0.05%-0.1% Pt-Pd/SnO2.