MétaCan
Menu
Retour à la cohorte
Enregistrement W3188874168 · doi:10.1117/12.2597418

The influence of charge carriers in the hole transport layer on stability of quantum dot light-emitting devices

2021· article· en· W3188874168 sur OpenAlexaff
Tyler Davidson‐Hall, Hany Aziz

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésOptoelectronicsElectroluminescenceQuantum dotMaterials scienceExcitonLight-emitting diodeAnodeLuminous efficacyElectronCharge carrierQuantum efficiencyBrightnessLayer (electronics)NanotechnologyChemistryPhysicsOpticsCondensed matter physicsElectrode

Résumé

récupéré en direct d'OpenAlex

While the narrow emission spectrum and high quantum yield of quantum dots (QDs) is desirable for light emitting devices (LEDs), the mechanisms that limit electroluminescent QDLED stability must be understood before they can be used in high brightness applications. The deep energy levels of Cd-based QDs allow for relatively easy electron injection but comparably difficult hole injection, resulting in an imbalance of charge carriers in the emission layer (EML) that can reduce efficiency via non-radiative recombination. The incorporation of a multi-component hole transport layer (HTL) consisting of materials with sequentially deeper highest occupied molecular orbital (HOMO) energy levels in a cascading HTL (CHTL) architecture has been shown to improve QDLED lifetime by 20x while also enhancing luminous efficiency. Prompt and delayed electrical and spectroscopic measurements indicate that the CHTL structure shifts excessive hole accumulation away from the QD/HTL interface, resulting in less degradation of the HTL in contact with the QD EML, and reduces leakage current by blocking electron transport to the anode. The trade-off between exciton density in the HTL vs. QDLED efficiency and stability highlights the importance of the HTL in long-term device performance.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
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 Opus0,032
Tête enseignante GPT0,254
Écart entre enseignants0,223 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207