MétaCan
Menu
Retour à la cohorte
Enregistrement W3083700370 · doi:10.1002/aenm.202002084

Efficient and Stable Colloidal Quantum Dot Solar Cells with a Green‐Solvent Hole‐Transport Layer

2020· article· en· W3083700370 sur OpenAlexaff
Hong Il Kim, Junwoo Lee, Min‐Jae Choi, Seung Un Ryu, Kyoungwon Choi, Seungjin Lee, Sjoerd Hoogland, F. Pelayo Garcı́a de Arquer, Edward H. Sargent, Taiho Park

Notice bibliographique

RevueAdvanced Energy Materials · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Research Foundation of KoreaMinistry of Education
Mots-clésMaterials scienceEnergy conversion efficiencyStackingChlorobenzenePolymerActive layerQuantum dotChemical engineeringPolymer solar cellQuantum efficiencyOptoelectronicsColloidDegradation (telecommunications)Layer (electronics)NanotechnologyComposite materialOrganic chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Next‐generation solution‐processed solar cells will hopefully be processed using green solvents, and will unite high performance with operating stability. Colloidal quantum dot/polymer hybrid solar cells are of interest for their harvest of the visible as well as the near infrared; however, today's best polymer hole‐transporting layers (HTLs) rely on processing using hazardous solvents such as chlorobenzene. This stems from the strong polymer–polymer attraction in polymeric p ‐type materials, which accounts for their limited solubility. Here, a new random polymeric HTL (asy‐ranPBTBDT) is reported that is soluble in green solvents such as 2‐methylanisole without compromising ultimate device power conversion efficiency. The new polymer structure induces a strong π–π stacking face‐on orientation and less lateral grain growth compared to control asy‐PBTBDT, leading to reduced charge recombination and improved device stability. The resulting device exhibits a power conversion efficiency (PCE) of 13.2% and retains 89% of its initial efficiency after 120 h of continuous device operation at the maximum power point, compared to a PCE of 11.4% and 71% degradation for control devices.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,023
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,015
Tête enseignante GPT0,204
Écart entre enseignants0,189 · 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.

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

Citations37
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Energy MaterialsMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207