High-Throughput Evaluation of Emission and Structure in Reduced-Dimensional Perovskites
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide High-throughput experimentation (HTE) seeks to accelerate the exploration of materials space by uniting robotics, combinatorial methods, and parallel processing. HTE is particularly relevant to metal halide perovskites (MHPs), a diverse class of optoelectronic materials with a large chemical space. Here we develop an HTE workflow to synthesize and characterize light-emitting MHP single crystals, allowing us to generate the first reported data set of experimentally derived photoluminescence spectra for low-dimensional MHPs. We leverage the accelerated workflow to optimize the synthesis and emission of a new MHP, methoxy-phenethylammonium lead iodide ((4-MeO-PEAI) 2 -PbI 2 ). We then synthesize 16 000 MHP single crystals and measure their photoluminescence to study the effects of synthesis parameters and compositional engineering on the emission intensity of 54 distinct MHPs: we achieve an acceleration factor of more than 100 times over previously reported HTE MHP synthesis and characterization methods. Using insights derived from this analysis, we screen an existing database for new, potentially emissive MHPs. On the basis of the Tanimoto similarity of the bright available emitters, we present our top candidates for future exploration. As a proof of concept, we use one of these (3,4-difluorophenylmethanamine) to synthesize an MHP which we find has a photoluminescence quantum yield of 10%.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».