MétaCan
Menu
Retour à la cohorte
Enregistrement W1995191869 · doi:10.1021/nn203728t

Efficient Exciton Funneling in Cascaded PbS Quantum Dot Superstructures

2011· article· en· W1995191869 sur OpenAlexaff
Fan Xu, Xin Ma, Chelsea R. Haughn, Jamie Benavides, Matthew F. Doty, Sylvain G. Cloutier

Notice bibliographique

RevueACS Nano · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesAir Force Office of Scientific Research
Mots-clésQuantum dotExcitonPhotocurrentNanocrystalline materialPhotoluminescenceMaterials scienceAcceptorOptoelectronicsMultiple exciton generationBiexcitonBand gapNanocrystalNanotechnologyCondensed matter physicsPhysics

Résumé

récupéré en direct d'OpenAlex

Benzenedithiol (BDT) and ethanedithiol (EDT) ligand-exchange treatments can be used to cross-link colloidal PbS quantum dots into nanocrystalline film structures with distinct optoelectronic properties. Such structures can provide a unique platform to study the energy transfer between layers of quantum dots with different sizes. In this report, efficient exciton funneling and recycling of surface state-bound excitons is observed in cascaded PbS quantum dot-based multilayered superstructures, where the excitons transfer from the larger band gap or donor layers to the smallest band gap or acceptor layers. In this system, both the BDT- and EDT-treated cascaded structures exhibit dramatically enhanced photoluminescence from the acceptor layers. As we show, the energy transfer mechanisms involved and their efficiencies are significantly different depending on the ligand-exchange treatment. In the future, we believe these efficient exciton recycling and funneling mechanisms could be used to improve significantly the photocurrent, charge-transport, and conversion efficiencies in low-cost nanocrystalline and hybrid solar cells and the emission efficiencies in hybrid light-emitting devices.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,043
Tête enseignante GPT0,232
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations81
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207