MétaCan
Menu
Retour à la cohorte
Enregistrement W2905131694 · doi:10.1109/jphotov.2018.2882185

Ultrahigh-Frequency Heterodyne Lock-In Carrierography for Large-Scale Quantitative Multi-Parameter Imaging of Colloidal Quantum Dot Solar Cells

2018· article· en· W2905131694 sur OpenAlexafffund
Lilei Hu, Andreas Mandelis, Qiming Sun

Notice bibliographique

RevueIEEE Journal of Photovoltaics · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Fluorescence Microscopy Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésUltra high frequencyMaterials scienceOptoelectronicsQuantum dotOpticsPhysicsComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Ultrahigh-frequency heterodyne lock-in carrierography (UHF-HeLIC) is a new near-IR dynamic photoluminescence (PL) camera-based large-area imaging technique. It is specifically developed for investigating dynamic optoelectronic events that occur at very fast diffusion-wave rates (> = 10 kHz), above which conventional camera imaging cannot be achieved. The nonlinear combination of two-frequency-modulated photogenerated carrier density waves (CDWs) with a 10 Hz beat frequency was used to generate HeLIC images in the UHF range (up to 270 kHz) above the effective CDW recombination rate. Using sequences of these high-frequency images and UHF-HeLIC theory, carrier lifetime, diffusivity, and diffusion and drift length images were reconstructed from colloidal quantum dot solar cells and used for studying the influence of surface and interface trap states on photocarrier transport processes. The new non-destructive UHF-HeLIC imaging methodology shows excellent potential for industrial in-line photovoltaic device characterization, fundamental optoelectronic physical process studies, and various other photoelectronic applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,305
Écart entre enseignants0,292 · 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 source (Gemma direct ou Codex distillé), 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

Citations12
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of PhotovoltaicsMême sujetAdvanced Fluorescence Microscopy TechniquesTravaux en français237 207