MétaCan
Menu
Retour à la cohorte
Enregistrement W3113056592 · doi:10.3390/en13246689

A-Site Cation Engineering for Efficient Blue-Emissive Perovskite Light-Emitting Diodes

2020· article· en· W3113056592 sur OpenAlexaff
Jong Hyun Park, Chung Hyeon Jang, Eui Dae Jung, Seungjin Lee, Myoung Hoon Song, Bo Ram Lee

Notice bibliographique

RevueEnergies · 2020
Typearticle
Langueen
DomaineEngineering
ThématiquePerovskite Materials and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesKorea Institute of Energy Technology Evaluation and PlanningNational Research Foundation of KoreaMinistry of Trade, Industry and EnergyNational Research Foundation
Mots-clésFormamidiniumPerovskite (structure)HalideElectroluminescenceQuantum yieldPhotoluminescenceMaterials scienceLight-emitting diodeBand gapOptoelectronicsDiodeQuantum efficiencyPhotochemistryChemistryInorganic chemistryOpticsNanotechnologyPhysicsCrystallography

Résumé

récupéré en direct d'OpenAlex

Metal halide perovskites have been investigated for the next-generation light-emitting materials because of their advantages such as high photoluminescence quantum yield (PLQY), excellent color purity, and facile color tunability. Recently, red- and green-emissive perovskite light-emitting diodes (PeLEDs) have shown an external quantum efficiency (EQE) of over 20%, whereas there is still room for improvement for blue emissive PeLEDs. By controlling the halide compositions of chloride (Cl−) and bromide (Br−), the bandgap of perovskites can be easily tuned for blue emission. However, halide segregation easily occurrs in the mixed-halide perovskite under light irradiation and LED operation because of poor phase stability. Here, we explore the effect of A-site cation engineering on the phase stability of the mixed-halide perovskites and find that a judicious selection of low dipole moment A cation (formamidinium or cesium) suppresses the halide segregation. This enables efficient bandgap tuning and electroluminescence stability for sky blue emissive PeLEDs over the current density of 15 mA/cm2.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 GPT0,195
Écart entre enseignants0,187 · 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'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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetPerovskite Materials and ApplicationsTravaux en français237 207