Quantitative analyses of enhanced thermoelectric properties of modulation-doped PEDOT:PSS/undoped Si (001) nanoscale heterostructures
Notice bibliographique
Résumé
), resulting in a low power factor. Mixing PEDOT:PSS with nanostructured semiconductors can enhance the Seebeck coefficient and achieve an improved thermoelectric power factor. However, underlying mechanisms for those composite thermoelectric systems are scarcely understood so far. In this study, quantitative analyses on the electrical conductivity and Seebeck coefficient for the heterostructures of nanometer-thick PEDOT:PSS on single-crystal Si (001) on sapphire (SOS) are reported. The heterostructures have larger Seebeck coefficients up to 7.3 fold and power factors up to 17.5 fold relative to PEDOT:PSS. The electrical conductivity increased with decreasing combined thicknesses of PEDOT:PSS and Si, and the Seebeck coefficient increased with decreasing PEDOT:PSS thickness, which can be attributed to modulation doping caused by diffusion of holes from PEDOT:PSS into undoped Si. This hypothesis is supported by simulation per band alignment. The valence band offset between Si and PEDOT:PSS dominantly controls the electrical conductivity and Seebeck coefficient of the heterostructures. This study not only suggests mechanistic insights to increase the power factors of PEDOT:PSS-based composites but also opens the door for new strategies to enhance the thermoelectric efficiencies of heterostructured nanocomposite materials.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».