MétaCan
Menu
Retour à la cohorte
Enregistrement W2323227954 · doi:10.1021/nl304604y

Jointly Tuned Plasmonic–Excitonic Photovoltaics Using Nanoshells

2013· article· en· W2323227954 sur OpenAlexaff
Daniel Paz‐Soldan, Anna Lee, Susanna M. Thon, Michael M. Adachi, Haopeng Dong, P. Maraghechi, Mingjian Yuan, André J. Labelle, Sjoerd Hoogland, Kun Liu, Eugenia Kumacheva, Edward H. Sargent

Notice bibliographique

RevueNano Letters · 2013
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPlasmonPhotovoltaicsNanoshellPhotocurrentMaterials scienceOptoelectronicsPlasmonic nanoparticlesAbsorption (acoustics)Plasmonic solar cellQuantum dotSolar cellAbsorption cross sectionPhotovoltaic systemNanotechnologyPhysicsPolymer solar cellCross section (physics)

Résumé

récupéré en direct d'OpenAlex

Recent advances in spectrally tuned, solution-processed plasmonic nanoparticles have provided unprecedented control over light's propagation and absorption via engineering at the nanoscale. Simultaneous parallel progress in colloidal quantum dot photovoltaics offers the potential for low-cost, large-area solar power; however, these devices suffer from poor quantum efficiency in the more weakly absorbed infrared portion of the sun's spectrum. Here, we report a plasmonic-excitonic solar cell that combines two classes of solution-processed infrared materials that we tune jointly. We show through experiment and theory that a plasmonic-excitonic design using gold nanoshells with optimized single particle scattering-to-absorption cross-section ratios leads to a strong enhancement in near-field absorption and a resultant 35% enhancement in photocurrent in the performance-limiting near-infrared spectral region.

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 seuil0,003

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 savante0,0010,000
Science ouverte0,0000,001
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 Opus0,021
Tête enseignante GPT0,213
Écart entre enseignants0,192 · 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

Citations116
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207