Reporting Performance in Organic Photovoltaic Devices
Notice bibliographique
Résumé
Research into organic photovoltaics (OPVs) is rapidly growing worldwide because it offers a route to low temperature, inexpensive processing of lightweight, flexible solar cells that can be mass manufactured cheaply. Unlike silicon or other inorganic semiconductors (e.g., CdTe, CIGs), OPVs are complicated by the requirement of having multiple materials and layers that must be integrated to enable the cell to function. The enormous number of research hours required to optimize all aspects of OPVs and to integrate them successfully is typically boiled down to one number-the power conversion efficiency (PCE) of the device. The PCE is the value by which comparisons are routinely made when modifications are made to devices; new bulk heterojunction materials, electron- and hole-transport layers, electrodes, plasmonic additives, and many other new advances are incorporated into OPV devices and compared with one, or a series of, control device(s). The concern relates to the statistical significance of this all-important efficiency/PCE value: is the observed change or improvement in performance truly greater than experimental error? If it is not, then the field can and will be misled by improper reporting of efficiencies, and future research in OPVs could be frustrated and, ultimately, irreversibly damaged. In this Perspective, the dangers of, for instance, cherry-picking of data and poor descriptions of experimental procedures, are outlined, followed by a discussion of a real data set of OPV devices, and how a simple and easy statistical treatment can help to distinguish between results that are indistinguishable experimentally, and those that do appear to be different.
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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».