MétaCan
Menu
Retour à la cohorte
Enregistrement W3213853525 · doi:10.1002/adma.202108150

Efficient Tandem Quantum‐Dot LEDs Enabled by An Inorganic Semiconductor‐Metal‐Dielectric Interconnecting Layer Stack

2021· article· en· W3213853525 sur OpenAlexaff
Qianqian Wu, Xiwen Gong, Dewei Zhao, Yong‐Biao Zhao, Fan Cao, Haoran Wang, Sheng Wang, Jianhua Zhang, Rafael Quintero‐Bermudez, Edward H. Sargent, Xuyong Yang

Notice bibliographique

RevueAdvanced Materials · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésLight-emitting diodeMaterials scienceOptoelectronicsTandemStack (abstract data type)DiodeQuantum dotFabricationQuantum efficiencySemiconductorDielectricComposite materialComputer science

Résumé

récupéré en direct d'OpenAlex

Light-emitting diodes (LEDs) in a tandem configuration offer a strategy to realize high-performance, multicolor devices. Until now, though, the efficiency of tandem colloidal quantum dot LEDs (QLEDs) has been limited due to unpassivated interfaces and solvent damage originating from the materials processing requirements of interconnecting layers (ICLs). Here an ICL is reported consisting of a semiconductor-metal-dielectric stack that provides facile fabrication, materials stability, and good optoelectronic coupling. It is investigated experimentally how the ICL enables charge balance, suppresses current leakage, and prevents solvent damage to the underlying layers. As a result record efficiencies are reported for double-junction tandem QLEDs, whose emission wavelengths cover from blue to red light; i.e., external quantum efficiencies (EQEs) of 40% (average 37+/-2%) for red, 49% (average 45+/-2%) for yellow, 50% (average 46+/-2%) for green, and 24% (average 21+/-2%) for blue are achieved.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,007
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0070,000

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 Opus0,026
Tête enseignante GPT0,262
Écart entre enseignants0,236 · 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.

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

Citations96
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207