MétaCan
Menu
Retour à la cohorte
Enregistrement W2894410008 · doi:10.1038/s41467-018-06342-7

Multibandgap quantum dot ensembles for solar-matched infrared energy harvesting

2018· article· en· W2894410008 sur OpenAlexafffund
Bin Sun, Olivier Ouellette, F. Pelayo Garcı́a de Arquer, Oleksandr Voznyy, Younghoon Kim, Mingyang Wei, Andrew H. Proppe, Makhsud I. Saidaminov, Jixian Xu, Mengxia Liu, Peicheng Li, James Z. Fan, Jea Woong Jo, Hairen Tan, Furui Tan, Sjoerd Hoogland, Zheng‐Hong Lu, Shana O. Kelley, Edward H. Sargent

Notice bibliographique

RevueNature Communications · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesKing Abdullah University of Science and TechnologyNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésQuantum dotOptoelectronicsBand gapLead sulfideEnergy conversion efficiencyPhotocurrentMaterials scienceQuantum efficiencySiliconMultiple exciton generationInfraredSolar energyNanotechnologyPhysicsOpticsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract As crystalline silicon solar cells approach in efficiency their theoretical limit, strategies are being developed to achieve efficient infrared energy harvesting to augment silicon using solar photons from beyond its 1100 nm absorption edge. Herein we report a strategy that uses multi-bandgap lead sulfide colloidal quantum dot (CQD) ensembles to maximize short-circuit current and open-circuit voltage simultaneously. We engineer the density of states to achieve simultaneously a large quasi-Fermi level splitting and a tailored optical response that matches the infrared solar spectrum. We shape the density of states by selectively introducing larger-bandgap CQDs within a smaller-bandgap CQD population, achieving a 40 meV increase in open-circuit voltage. The near-unity internal quantum efficiency in the optimized multi-bandgap CQD ensemble yielded a maximized photocurrent of 3.7 ± 0.2 mA cm −2 . This provides a record for silicon-filtered power conversion efficiency equal to one power point, a 25% (relative) improvement compared to the best previously-reported results.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,506
Score d'incertitude au seuil0,783

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 savante0,0000,000
Science ouverte0,0010,000
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 Opus0,052
Tête enseignante GPT0,307
Écart entre enseignants0,254 · 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

Citations80
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207