MétaCan
Menu
Retour à la cohorte
Enregistrement W3116869818 · doi:10.1002/adma.202004356

Failing Forward: Stability of Transparent Electrodes Based on Metal Nanowire Networks

2020· review· en· W3116869818 sur OpenAlexfundno aff
Jatin J. Patil, Woo Hyun Chae, Adam Trebach, Ki‐Jana Carter, Eric Lee, Thomas Sannicolo, Jeffrey C. Grossman

Notice bibliographique

RevueAdvanced Materials · 2020
Typereview
Langueen
DomaineEngineering
ThématiqueNanomaterials and Printing Technologies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEquinor
Mots-clésMaterials scienceElectrodeNanowireNanotechnologyMetalOptoelectronicsMetallurgy

Résumé

récupéré en direct d'OpenAlex

Metal nanowire (MNW)-based transparent electrode technologies have significantly matured over the last decade to become a prominent low-cost alternative to indium tin oxide (ITO). Beyond reaching the same level of performance as ITO, MNW networks offer additional advantages including flexibility and low materials cost. To facilitate adoption of MNW networks as a replacement to ITO, they must overcome their inherent stability issues while maintaining their properties and cost-effectiveness. Herein, the fundamental failure mechanisms of MNW networks are discussed in detail. Recent strategies to computationally model MNWs from the nano- to macroscale and suggest future work to capture dynamic failure to unravel mechanisms that account for convolution of the failure modes are highlighted. Strategies to characterize MNW network failure in situ and postmortem are also discussed. In addition, recent work about improving the stability of MNW networks via encapsulation is discussed. Lastly, a perspective is given on how to frame the requirements of MNW-encapsulant hybrids with reference to their target applications, namely: solar cells, transparent film heaters, sensors, and displays. A cost analysis to comment on the feasibility of implementing MNW hybrids is provided, and critical areas to focus on for future work on MNW networks are suggested.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,031
Tête enseignante GPT0,274
Écart entre enseignants0,243 · 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'étudeSans objet
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

Citations145
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetNanomaterials and Printing TechnologiesTravaux en français237 207