MétaCan
Menu
Retour à la cohorte
Enregistrement W2330785013 · doi:10.1039/c6nh00010j

Using carbon nanodots as inexpensive and environmentally friendly sensitizers in mesoscopic solar cells

2016· article· en· W2330785013 sur OpenAlexaff
Johannes T. Margraf, Fabian Lodermeyer, Volker Strauß, Philipp Haines, Johannes Walter, Wolfgang Peukert, Rubén D. Costa, Timothy Clark, Dirk M. Guldi

Notice bibliographique

RevueNanoscale Horizons · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon and Quantum Dots Applications
Établissements canadiensInstitute of Particle Physics
Organismes subventionnairesnon disponible
Mots-clésNanodotEnvironmentally friendlyMesoscopic physicsNanotechnologyCarbon fibersMaterials scienceOptoelectronicsPhysicsComposite materialBiology

Résumé

récupéré en direct d'OpenAlex

We discuss the use of carbon nanodots (CNDs) as sensitizers in mesoscopic solar cells. The CNDs are synthesized using a one-step, bottom-up microwave approach with citric acid, urea, and formic acid as precursors in aqueous media. Their light-harvesting capabilities can be tuned by adjusting the synthetic parameters. Comprehensive spectroscopic and theoretical studies allow us to rationalize the nature of their absorption features. Promising power conversion efficiencies (η) of 0.24% can be achieved from these cheap and eco-friendly sensitizers by optimizing the solar-cell assembly process. Interestingly, we found that extending the light absorption towards longer wavelengths does not necessarily improve the performance of the solar cells, since the longer-wavelength absorption features hardly contribute to the cells' photo-action spectra, so that the overall power conversion efficiency is actually worse. The origin of the lower performance is corroborated in transient absorption spectroscopy and photovoltage decay measurements. Our work points, on one hand, to the limits of as-synthesized CNDs as photosensitizers and, on the other hand, to possible improvements.

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 GPT0,246
Écart entre enseignants0,234 · 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

Citations71
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanoscale HorizonsMême sujetCarbon and Quantum Dots ApplicationsTravaux en français237 207