MétaCan
Menu
Retour à la cohorte
Enregistrement W2218559545 · doi:10.1021/acs.nanolett.5b03271

Colloidal Quantum Dot Photovoltaics Enhanced by Perovskite Shelling

2015· article· en· W2218559545 sur OpenAlexafffund
Zhenyu Yang, Alyf Janmohamed, Xinzheng Lan, F. Pelayo Garcı́a de Arquer, Oleksandr Voznyy, Emre Yassitepe, Gi‐Hwan Kim, Zhijun Ning, Xiwen Gong, Riccardo Comin, Edward H. Sargent

Notice bibliographique

RevueNano Letters · 2015
Typearticle
Langueen
DomaineEngineering
ThématiquePerovskite Materials and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaKing Abdullah University of Science and TechnologyMinistry of Knowledge EconomyFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésPhotovoltaicsPassivationQuantum dotPhotovoltaic systemPerovskite (structure)Materials scienceSolar cellNanotechnologyOptoelectronicsEnergy conversion efficiencyNanostructurePerovskite solar cellQuantum dot solar cellPolymer solar cellChemical engineeringLayer (electronics)Electrical engineering

Résumé

récupéré en direct d'OpenAlex

Solution-processed quantum dots are a promising material for large-scale, low-cost solar cell applications. New device architectures and improved passivation have been instrumental in increasing the performance of quantum dot photovoltaic devices. Here we report photovoltaic devices based on inks of quantum dot on which we grow thin perovskite shells in solid-state films. Passivation using the perovskite was achieved using a facile solution ligand exchange followed by postannealing. The resulting hybrid nanostructure created a more intrinsic CQD film, which, when incorporated into a photovoltaic device with graded bandstructure, achieved a record solar cell performance for single-step-deposited CQD films, exhibiting an AM1.5 solar power conversion efficiency of 8.95%.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,012
Tête enseignante GPT0,208
Écart entre enseignants0,196 · 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 source (Gemma direct ou Codex distillé), 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

Citations193
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetPerovskite Materials and ApplicationsTravaux en français237 207