Conductivity control of as-grown branched indium tin oxide nanowire networks
Notice bibliographique
Résumé
Branched indium tin oxide (ITO) nanowire networks are promising candidates for transparent conductive oxide applications, such as optoelectronic electrodes, due to their high porosity. However, these branched networks also present new challenges in assessing conductivity. Conventional four-point probe techniques cannot separate the effect of porosity on the long-range conductivity from the intrinsic material conductivity. Here we compare the average nanoscale conductivity within the film measured by terahertz time-domain spectroscopy (THz-TDS) to the film conductivity measured by four-point probe in a branched ITO nanowire network. Both techniques report conductivity increases with deposition flux rate from 0.5 to 3.0 nm s(-1), achieving a maximum of ~ 10 (Ω cm)(-1). Modeling the THz-TDS conductivity data using the Drude-Smith model allows us to distinguish between conductivity increases resulting from morphological changes and those resulting from the intrinsic properties of the ITO. In particular, the intrinsic material conductivity within the nanowires can be extracted, and is found to reach a maximum of ~ 3000 (Ω cm)(-1), comparable to bulk ITO. To determine the mechanism responsible for increasing conductivity with flux rate, we characterize dopant concentration and morphological changes (i.e., to branching behavior, nanowire diameter and nucleation layers). We propose that changes in the electron density, primarily due to changes in O-vacancy concentration at different flux rates, are responsible for the observed conductivity increase. This understanding will assist balancing structural and conductivity requirements in applications of transparent conductive oxide networks.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».