MétaCan
Menu
Retour à la cohorte
Enregistrement W2771335916 · doi:10.1021/acsnano.7b06363

Small-Band-Offset Perovskite Shells Increase Auger Lifetime in Quantum Dot Solids

2017· article· en· W2771335916 sur OpenAlexafffund
Rafael Quintero‐Bermudez, Randy P. Sabatini, Marc Lejay, Oleksandr Voznyy, Edward H. Sargent

Notice bibliographique

RevueACS Nano · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAuger effectQuantum dotAugerOptoelectronicsMaterials sciencePassivationLaserLasing thresholdPerovskite (structure)Ultrafast laser spectroscopyCarrier lifetimeOpticsNanotechnologyChemistryAtomic physicsPhysicsWavelengthSilicon

Résumé

récupéré en direct d'OpenAlex

Colloidal quantum dots (CQDs) enable low-cost, high-performance optoelectronic devices including photovoltaics, photodetectors, LEDs, and lasers. Continuous-wave lasing in the near-infrared remains to be realized based on such materials, yet a solution-processed NIR laser would be of use in communications and interconnects. In infrared quantum dots, long-lived gain is hampered by a high rate of Auger recombination. Here, we report the use of perovskite shells, grown on cores of IR-emitting PbS CQDs, and we thus reduce the rate of Auger recombination by up to 1 order of magnitude. We employ ultrafast transient absorption spectroscopy to isolate distinct Auger recombination phenomena and study the effect of bandstructure and passivation on Auger recombination. We corroborate the experimental findings with model-based investigations of Auger recombination in various CQD core-shell structures. We explain how the band alignment provided by perovskite shells comes close to the optimal required to suppress the Auger rate. These results provide a step along the path toward solution-processed near-infrared lasers.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge 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 enseignants0,040
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,036
Tête enseignante GPT0,259
Écart entre enseignants0,223 · 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

Citations36
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207