MétaCan
Menu
Retour à la cohorte
Enregistrement W4206913804 · doi:10.1021/acsami.1c20143

Insight into OTFT Sensors Using Confocal Fluorescence Microscopy

2022· article· en· W4206913804 sur OpenAlexaff
Joshua N. Arthur, Ajay K. Pandey, Jean‐Michel Nunzi, Soniya D. Yambem

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueConducting polymers and applications
Établissements canadiensQueen's University
Organismes subventionnairesQueensland University of TechnologyAustralian Government
Mots-clésMaterials scienceOptoelectronicsDopingConfocal microscopySemiconductorMicroscopyOrganic semiconductorNanotechnologyElectrodeOpticsChemistry

Résumé

récupéré en direct d'OpenAlex

Confocal fluorescence microscopy provides a means to map charge carrier density within the semiconductor layer in an active organic thin film transistor (OTFT). This method exploits the inverse relationship between charge carrier density and photoluminescence (PL) intensity in OTFTs, originating from exciton quenching following exciton-charge energy transfer. This work demonstrates that confocal microscopy can be a simple yet effective approach to gain insight into doping and de-doping processes in OTFT sensors. Specifically, the mechanisms of hydrogen peroxide sensitivity are studied in low-voltage hygroscopic insulator field effect transistors (HIFETs). While the sensitivity of HIFETs to hydrogen peroxide is well known, the underlying mechanisms remain poorly understood. Using confocal microscopy, new light is shed on these mechanisms. Two distinct doping processes are discerned: one that occurs throughout the semiconductor film, independent of applied voltages; and a stronger doping effect occurring near the source electrode, when acting as an anode with respect to a negatively polarized drain electrode. These insights offer important guidance to future studies and the optimization of HIFET-based sensors. More importantly, the methods reported here are broadly applicable to the study of a range of OTFT-based sensors. This work demonstrates that confocal microscopy can be an effective research tool in this field.

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 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 enseignants0,004
Score d'incertitude au seuil1,000

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,023
Tête enseignante GPT0,283
Écart entre enseignants0,260 · 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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Applied Materials & InterfacesMême sujetConducting polymers and applicationsTravaux en français237 207