Recent Progress on Perovskite Surfaces and Interfaces in Optoelectronic Devices
Notice bibliographique
Résumé
Surfaces and heterojunction interfaces, where defects and energy levels dictate charge-carrier dynamics in optoelectronic devices, are critical for unlocking the full potential of perovskite semiconductors. In this progress report, chemical structures of perovskite surfaces are discussed and basic physical rules for the band alignment are summarized at various perovskite interfaces. Common perovskite surfaces are typically decorated by various compositional and structural defects such as residual surface reactants, discrete nanoclusters, reactions by products, vacancies, interstitials, antisites, etc. Some of these surface species induce deep-level defect states in the forbidden band forming very harmful charge-carrier traps and affect negatively the interface band alignments for achieving optimal device performance. Herein, an overview of research progresses on surface and interface engineering is provided to minimize deep-level defect states. The reviewed subjects include selection of interface and substrate buffer layers for growing better crystals, materials and processing methods for surface passivation, the surface catalyst for microstructure transformations, organic semiconductors for charge extraction or injection, heterojunctions with wide bandgap perovskites or nanocrystals for mitigating defects, and electrode interlayer for preventing interdiffusion and reactions. These surface and interface engineering strategies are shown to be critical in boosting device performance for both solar cells and light-emitting diodes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».