MétaCan
Menu
Retour à la cohorte
Enregistrement W2799857675 · doi:10.1039/c7nr09525b

The influence of surface functionalization methods on the performance of silicon nanocrystal LEDs

2018· article· en· W2799857675 sur OpenAlexafffund
Arzu Angı, Marius Loch, Regina Sinelnikov, Jonathan G. C. Veinot, Markus Becherer, Paolo Lugli, Bernhard Rieger

Notice bibliographique

RevueNanoscale · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSilicon Nanostructures and Photoluminescence
Établissements canadiensAlberta Hospital EdmontonUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaStudienstiftung des Deutschen VolkesDeutsche ForschungsgemeinschaftAlberta Innovates - Technology Futures
Mots-clésSurface modificationNanocrystalLight-emitting diodeMaterials scienceSurface (topology)SiliconNanotechnologyOptoelectronicsChemical engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

The influence of silicon nanocrystal (SiNC) surface characteristics obtained from different functionalization methods on the performance of LEDs was investigated. The surface of SiNCs was functionalized with hexyl chains via hydrosilylation (HS) or with organolithium reagents (OLR) and resulting SiNCs were incorporated as the emissive layer in hybrid organic/inorganic LEDs. Devices utilizing SiNCs functionalized with OLR consistently exhibited lower turn-on voltages, higher luminances and external quantum efficiencies compared to those obtained from the HS method. These improvements were attributed to the less dense and monolayer surface coverage of the SiNCs obtained by the OLR method, as well as their higher absolute quantum yield.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,038
Score d'incertitude au seuil0,279

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,276
Écart entre enseignants0,262 · 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 tête enseignante, 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

Citations28
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetSilicon Nanostructures and PhotoluminescenceTravaux en français237 207