MétaCan
Menu
Retour à la cohorte
Enregistrement W2513198472 · doi:10.1021/acsami.6b07368

Alkali Metal Halide Salts as Interface Additives to Fabricate Hysteresis-Free Hybrid Perovskite-Based Photovoltaic Devices

2016· article· en· W2513198472 sur OpenAlexaff
Lili Wang, Dhanashree Moghe, Soroush Hafezian, Pei Chen, Margaret Young, Mark Elinski, L. Martinů, Stéphane Kéna‐Cohen, Richard R. Lunt

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2016
Typearticle
Langueen
DomaineEngineering
ThématiquePerovskite Materials and Applications
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésHalideMaterials sciencePerovskite (structure)PassivationIodideAlkali metalHysteresisChemical engineeringInorganic chemistryEnergy conversion efficiencyOptoelectronicsLayer (electronics)NanotechnologyOrganic chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

A new method was developed for doping and fabricating hysteresis-free hybrid perovskite-based photovoltaic devices by using alkali metal halide salts as interface layer additives. Such salt layers introduced at the perovskite interface can provide excessive halide ions to fill vacancies formed during the deposition and annealing process. A range of solution-processed halide salts were investigated. The highest performance of methylammonium lead mixed-halide perovskite device was achieved with a NaI interlayer and showed a power conversion efficiency of 12.6% and a hysteresis of less than 2%. This represents a 90% improvement compared to control devices without this salt layer. Through depth-resolved mass spectrometry, optical modeling, and photoluminescence spectroscopy, this enhancement is attributed to the reduction of iodide vacancies, passivation of grain boundaries, and improved hole extraction. Our approach ultimately provides an alternative and facile route to high-performance and hysteresis-free perovskite solar cells.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,007
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,003

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 Opus0,010
Tête enseignante GPT0,230
Écart entre enseignants0,220 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations30
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Applied Materials & InterfacesMême sujetPerovskite Materials and ApplicationsTravaux en français237 207