MétaCan
Menu
Retour à la cohorte
Enregistrement W3112669557 · doi:10.1038/s41598-021-84452-x

A common optical approach to thickness optimization in polymer and perovskite solar cells

2021· article· en· W3112669557 sur OpenAlexafffund
О. Д. Якобсон, O. L. Gribkova, A. R. Tameev, Jean‐Michel Nunzi

Notice bibliographique

RevueScientific Reports · 2021
Typearticle
Langueen
DomaineEngineering
ThématiquePerovskite Materials and Applications
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Research University Higher School of EconomicsRussian Science Foundation
Mots-clésPhotoactive layerMaterials scienceAbsorbancePerovskite (structure)OptoelectronicsTransfer-matrix method (optics)Polymer solar cellRefractive indexHybrid solar cellLayer (electronics)Organic solar cellExcitonHeterojunctionPolymerOpticsSolar cellChemical engineeringNanotechnologyComposite material

Résumé

récupéré en direct d'OpenAlex

The structure of experimentally designed solar cells was optimized in terms of the photoactive layer thickness for both organic bulk heterojunction and hybrid perovskite solar cells. The photoactive layer thickness had a totally different behavior on the performance of the organic and hybrid solar cells. Analysis of the optical parameters using transfer matrix modeling within the Maxwell-Garnett effective refractive index model shows that light absorbance and exciton generation rate in the photoactive layer can be used to optimize the thickness range of the photoactive layer. Complete agreement between experimental and simulated data for solar cells with photoactive materials that have very different natures proves the validity of the proposed modeling method. The proposed simple method which is not time-consuming to implement permits to obtain a preliminary assessment of the reasonable range of layer thickness that will be needed for designing experimental samples.

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 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 enseignants0,064
Score d'incertitude au seuil0,382

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,211
Écart entre enseignants0,202 · 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.

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

Citations32
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetPerovskite Materials and ApplicationsTravaux en français237 207