MétaCan
Menu
Retour à la cohorte
Enregistrement W3137870273 · doi:10.1002/adma.202008690

Solvent‐Assisted Kinetic Trapping in Quaternary Perovskites

2021· article· en· W3137870273 sur OpenAlexaff
Darshan H. Parmar, João M. Pina, Hitarth Choubisa, Golam Bappi, Koen Bertens, Edward H. Sargent

Notice bibliographique

RevueAdvanced Materials · 2021
Typearticle
Langueen
DomaineEngineering
ThématiquePerovskite Materials and Applications
Établissements canadiensCanada Research ChairsUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePerovskite (structure)HalideCrystalliteChemical engineeringAbsorption (acoustics)Phase (matter)Inorganic chemistryComposite materialOrganic chemistryMetallurgyChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Engineering halide perovskites through alloying allows synthesis of materials having tuned electronic and optical properties; however, synthesizing many of these alloys is hindered by the formation of demixed phases arising due to thermodynamically unstable crystal structures. Methods have been developed to make such alloys, such as solid‐phase reactions, chemical vapor deposition, and mechanical grinding; but these are incompatible with low‐temperature solution‐processing and monolithic integration, precluding a number of important applications of these materials. Here, solvent‐phase kinetic trapping (SPKT), an approach that enables the synthesis of novel thermodynamically unfavored perovskite alloys, is developed. SPKT is used to synthesize Cs 1− x Rb x PbCl 3 and report the first instance of ultraviolet emission in polycrystalline perovskite thin films. SPKT leads to materials exhibiting superior thermal and photostability compared to non‐kinetically trapped materials of the same precursors. Transient absorption spectroscopy of the kinetically trapped material reveals improved optical properties: greater absorption, and longer ground‐state bleach lifetimes. SPKT may be applied to other perovskites to realize improved material properties while benefiting from facile solution‐processing.

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 enseignants0,011
Score d'incertitude au seuil0,724

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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,237
Écart entre enseignants0,224 · 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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetPerovskite Materials and ApplicationsTravaux en français237 207