Tuning Areal Density and Surface Passivation of ZnO Nanowire Array Enable Efficient PbS QDs Solar Cells with Enhanced Current Density
Notice bibliographique
Résumé
Abstract Colloidal PbS quantum dots (QDs) have provoked a revolution in the field of optoelectronic devices owing to their low‐cost fabrication processing and excellent physical properties. Recently, the fabrication of nanostructured PbS QD photovoltaic (PV) devices based on zinc oxide (ZnO) nanowire array appears as an effective strategy for improving the overall device performance. Despite its potentially strong impact on the device performance, the role of nanowire areal density on photon absorption and exciton dynamics has not yet been studied and still remains unexplored. Here, for the first time, the areal density of ZnO nanowires is tuned through controlling the precursor concentration and its impact on PbS QD PV performance is studied. It is found that the device with optimized ZnO nanowire areal density yields significantly increased power conversion efficiency (PCE) (10.1% vs 8.5% of control nanowire‐based device) due to improved antireflection effect and reduced surface recombination states. To further improve the photovoltaic performance, the ZnO nanowire surface is treated with hydrogen plasma. Transient photovoltage (TPV) measurement reveals that this passivation process noticeably reduces the nonradiative charge recombination yielding a champion device with a remarkable PCE of 10.8%.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».