MétaCan
Menu
Retour à la cohorte
Enregistrement W2020263051 · doi:10.1021/nl8033152

Carbon Nanotubes as Injection Electrodes for Organic Thin Film Transistors

2009· article· en· W2020263051 sur OpenAlexaff
Carla M. Aguirre, Céline Ternon, Matthieu Paillet, P. Desjardins, Richard Martel

Notice bibliographique

RevueNano Letters · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueOrganic Electronics and Photovoltaics
Établissements canadiensUniversité de MontréalPolytechnique MontréalRegroupement Québécois sur les Matériaux de Pointe
Organismes subventionnairesnon disponible
Mots-clésCarbon nanotubeMaterials scienceElectrodeOptoelectronicsCarbon nanotube quantum dotNanotechnologyTransistorNanotubeThin-film transistorField-effect transistorCarbon fibersPotential applications of carbon nanotubesOptical properties of carbon nanotubesComposite materialChemistryVoltageLayer (electronics)Electrical engineeringComposite number

Résumé

récupéré en direct d'OpenAlex

We have investigated the charge injection efficiency of carbon nanotube electrodes for organic semiconducting layers and compared their performance to that of traditional noble metal electrodes. Our results reveal that charge injection from a single carbon nanotube electrode is more than an order of magnitude more efficient than charge injection from metal electrodes. Moreover, organic thin film transistors that use arrays of carbon nanotube electrodes display considerable effective mobilities (0.14 cm(2)/(V.s)) and nearly ideal linear output characteristics. These results indicate that carbon nanotubes should be considered a viable alternative to metal electrodes for next-generation organic field-effect transistors.

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 candidatesaucune
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 enseignants0,007
Score d'incertitude au seuil0,766

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)0,0000,000

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 Opus0,004
Tête enseignante GPT0,185
Écart entre enseignants0,181 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations78
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetOrganic Electronics and PhotovoltaicsTravaux en français237 207