MétaCan
Menu
Retour à la cohorte
Enregistrement W2319049082 · doi:10.1021/jp412223m

Plasmon-Enhanced Triplet–Triplet Annihilation Using Silver Nanoplates

2014· article· en· W2319049082 sur OpenAlexafffund
Kianoosh Poorkazem, Amelia V. Hesketh, Timothy L. Kelly

Notice bibliographique

RevueThe Journal of Physical Chemistry C · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsUniversity of Saskatchewan
Mots-clésPhoton upconversionQuantum yieldMaterials sciencePhotochemistryPlasmonOptoelectronicsSurface plasmon resonanceQuantum dotAnnihilationNanoparticleNanotechnologyDopingChemistryOpticsFluorescencePhysics

Résumé

récupéré en direct d'OpenAlex

Photon upconversion processes have attracted substantial interest as a means of circumventing the Shockley–Queisser limit for single-junction photovoltaic devices. Despite this promise, the quantum yield of most upconversion processes is very low at the light intensities typical of solar radiation (∼100 mW/cm 2 ). Additionally, bimolecular upconversion processes that rely on molecular diffusion (e.g., triplet–triplet annihilation) typically see further reductions in quantum yield when the upconverting chromophores are confined to a solid state or thin film matrix. Here we report a plasmon-based enhancement of the triplet–triplet annihilation process when silver nanoplates are embedded in poly(methyl methacrylate) thin films containing the upconverting materials palladium(II) octaethylporphyrin and 9,10-diphenylanthracene. The silver nanoplates are synthesized with localized surface plasmon resonance bands tailored to overlap strongly with the Q-band of the porphyrin, leading to enhanced light absorption within the film and higher overall triplet concentrations. Optimization of the silver nanoplate loading leads to a nearly 10-fold increase in the upconverted light intensity compared with control samples containing no silver.

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 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 enseignants0,009
Score d'incertitude au seuil0,296

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,016
Tête enseignante GPT0,239
Écart entre enseignants0,222 · 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

Citations49
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry CMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207