MétaCan
Menu
Retour à la cohorte
Enregistrement W2911391483 · doi:10.1002/tcr.201800178

Boron Subphthalocyanines and Silicon Phthalocyanines for Use as Active Materials in Organic Photovoltaics

2019· review· en· W2911391483 sur OpenAlexafffund
Trevor M. Grant, David S. Josey, Kathleen L. Sampson, Thanmayee Mudigonda, Timothy P. Bender, Benoît H. Lessard

Notice bibliographique

RevueThe Chemical Record · 2019
Typereview
Langueen
DomaineEngineering
ThématiqueOrganic Electronics and Photovoltaics
Établissements canadiensUniversity of TorontoUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésOrganic solar cellPhotovoltaicsSiliconMaterials scienceNanotechnologyBoronPhthalocyanineOptoelectronicsChemistryPhotovoltaic systemOrganic chemistryElectrical engineeringPolymerEngineering

Résumé

récupéré en direct d'OpenAlex

Organic photovoltaics (OPVs) have experienced continued interest over the last 25 years as a viable technology for the generation of power. Phthalocyanines are among the oldest commercial dyes and have been utilized in some of the earliest examples of OPVs. In recent years, the use of boron subphthalocyanines (BsubPcs) and silicon phthalocyanines (SiPcs) has attracted a flurry of interest with some examples of fullerene-free devices reaching power conversion efficiencies >8 %. Unlike other more common divalent phthalocyanines such as copper or zinc, BsubPcs and SiPcs contain additional axial groups that can easily be functionalized without significantly affecting the optoelectronic properties of the macrocycle. This handle facilitates our ability to tune the solid-state arrangement and other physical characteristics such as solubility ultimately giving us the ability to improve the thin film processing and final device performance. This review covers recent studies on the development of BsubPcs and SiPcs for use as active materials in organic photovoltaics.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 GPT0,281
Écart entre enseignants0,245 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations77
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Chemical RecordMême sujetOrganic Electronics and PhotovoltaicsTravaux en français237 207