MétaCan
Menu
Retour à la cohorte
Enregistrement W3022330135 · doi:10.3390/molecules25092233

Aggregate-State Effects in the Atomistic Modeling of Organic Materials for Electrochemical Energy Conversion and Storage Devices: A Perspective

2020· review· en· W3022330135 sur OpenAlexaff
Sergei Manzhos

Notice bibliographique

RevueMolecules · 2020
Typereview
Langueen
DomaineEngineering
ThématiqueOrganic Electronics and Photovoltaics
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceOLEDBattery (electricity)Organic semiconductorMarcus theoryAmorphous solidVoltageMultiscale modelingEnergy storageAggregate (composite)NanotechnologyChemical physicsOptoelectronicsChemistryComputational chemistryElectrical engineeringThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Development of new functional materials for novel energy conversion and storage technologies is often assisted by ab initio modeling. Specifically, for organic materials, such as electron and hole transport materials for perovskite solar cells, LED (light emitting diodes) emitters for organic LEDs (OLEDs), and active electrode materials for organic batteries, such modeling is often done at the molecular level. Modeling of aggregate-state effects is onerous, as packing may not be known or large simulation cells may be required for amorphous materials. Yet aggregate-state effects are essential to estimate charge transport rates, and they may also have substantial effects on redox potentials (voltages) and optical properties. This paper summarizes recent studies by the author’s group of aggregation effects on the electronic properties of organic materials used in optoelectronic devices and in organic batteries. We show that in some cases it is possible to understand the mechanism and predict specific performance characteristics based on simple molecular models, while in other cases the inclusion of effects of aggregation is essential. For example, it is possible to understand the mechanism and predict the overall shape of the voltage-capacity curve for insertion-type organic battery materials, but not the absolute voltage. On the other hand, oligomeric models of p-type organic electrode materials can allow for relatively reliable estimates of voltages. Inclusion of aggregate state modeling is critically important for estimating charge transport rates in materials and interfaces used in optoelectronic devices or when intermolecular charge transfer bands are important. We highlight the use of the semi-empirical DFTB (density functional tight binding) method to simplify such calculations.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,008
Tête enseignante GPT0,226
Écart entre enseignants0,218 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMoleculesMême sujetOrganic Electronics and PhotovoltaicsTravaux en français237 207