MétaCan
Menu
Retour à la cohorte
Enregistrement W3215922476 · doi:10.1063/5.0067920

Perovskite luminescent solar concentrators for photovoltaics

2021· article· en· W3215922476 sur OpenAlexafffund
Pengfei Xia, Shuhong Xu, Chunlei Wang, Dayan Ban

Notice bibliographique

RevueAPL Photonics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiquePerovskite Materials and Applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Outstanding Youth Science Fund Project of National Natural Science Foundation of ChinaUniversity of WaterlooNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésPerovskite (structure)PhotovoltaicsPassivationPhotovoltaic systemOptoelectronicsMaterials scienceEngineering physicsLuminescenceNanotechnologyElectrical engineeringChemistryPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

As large-area photon collection devices designed for photovoltaics, luminescent solar concentrators (LSCs) have been proposed for more than 40 years. In recent years, the perovskite-based LSCs have received much interest for the convenient preparation process and low cost along with high quantum yields of perovskite luminophores. However, optical losses, such as non-radiative recombination loss and reabsorption loss, seriously impair the performance of LSCs and further impede the commercialization of such promising photovoltaic devices. Various strategies, such as increasing the Stokes shift and defect passivation, have been implemented to enhance the optical performance in perovskite-based LSCs. Here, we appraise the applications of perovskite luminophores in LSCs and review the typical preparation method of perovskite-based LSCs. The state-of-the-art solutions are presented to address the optical losses, leading to the demonstration of enabling high-performance perovskite-based LSCs.

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)0,000
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: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,008
Tête enseignante GPT0,207
Écart entre enseignants0,199 · 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

Citations28
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAPL PhotonicsMême sujetPerovskite Materials and ApplicationsTravaux en français237 207