MétaCan
Menu
Retour à la cohorte
Enregistrement W2138421695 · doi:10.1088/0957-4484/18/43/435702

Effective mobility and photocurrent in carbon nanotube–polymer composite photovoltaic cells

2007· article· en· W2138421695 sur OpenAlexaff
Emmanuel Kymakis, Peyman Servati, P. Tzanétakis, E. Koudoumas, N. Kornilios, I Rompogiannakis, Y. Franghiadakis, G.A.J. Amaratunga

Notice bibliographique

RevueNanotechnology · 2007
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePhotocurrentCarbon nanotubeComposite numberOptoelectronicsExcitonNanotubeVoltagePhotovoltaic systemShort circuitOpen-circuit voltageNanotechnologyComposite materialCondensed matter physicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

We examine the dark and the illuminated current–voltage (J–V) characteristics of poly(3-octylthiophene) (P3OT)/single-wall carbon nanotube (SWNT) composite photovoltaic cells as a function of SWNT concentration. Using an exponential band tail model, the influence of SWNT concentration on the J–V characteristics of the cells is analysed in terms of corresponding parameters such as effective hole mobility, short-circuit current, and open-circuit voltage. For the device with optimum 1% SWNT concentration, the increased photoresponse (∼500 times) as compared to the pristine P3OT cell can be attributed partly to the increase (∼50 times) in effective hole mobility, due to the reduction of localized states of the pristine P3OT matrix, and partly to the enhanced exciton extraction at the polymer/nanotube junctions.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,005
Tête enseignante GPT0,241
Écart entre enseignants0,236 · 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

Citations72
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetCarbon Nanotubes in CompositesTravaux en français237 207