MétaCan
Menu
Retour à la cohorte
Enregistrement W4236210987 · doi:10.26434/chemrxiv-2021-sjv53

Are substitutes to Cd-based quantum dots in displays more sustainable, effective, and cost competitive? An alternatives assessment approach

2021· preprint· en· W4236210987 sur OpenAlexafffund
Aude Béchu, Subhasis Ghoshal, Audrey Moores, Niladri Basu

Notice bibliographique

RevueChemRxiv · 2021
Typepreprint
Langueen
DomaineEngineering
ThématiqueGreen IT and Sustainability
Établissements canadiensMcGill University
Organismes subventionnairesFonds Québécois de la Recherche sur la Nature et les TechnologiesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsMcGill University
Mots-clésOLEDNanomaterialsNanotechnologyComputer scienceHazardQuantum dotSustainabilityMaterials scienceRisk analysis (engineering)ChemistryBusiness

Résumé

récupéré en direct d'OpenAlex

Light emissive organics and inorganic nanoparticles are substance classes competing for applications in displays in the form of organic LEDs (OLEDs) and quantum LEDs (QLEDs), respectively. Upcoming substance classes (perovskites) and Q-OLED displays also contain novel nanomaterials and organics for these applications. However, the sustainability of these emissive substances is difficult to assess quickly and broadly because of their complexity, their inherently different structures, and their rapid evolution in the literature. We propose the use of an alternatives assessment to compare the hazard, cost, and performance of these competing substances, with a focus on replacing cadmium-containing quantum dots. The cost assessment highlights competitiveness of OLEDs because of their low amounts needed per display, but performance assessments do not identify a preferred alternative. The hazard results indicate there is no clear alternative either, with each novel nanomaterial or organic substance having different negative aspects. These results identify the need for a low-hazard high-performing alternative substance, and the assessment provides a framework for researchers to evaluate their own novel substances.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0050,005
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,013
Tête enseignante GPT0,275
Écart entre enseignants0,262 · 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'étudeThéorique ou conceptuel
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'admission2
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetGreen IT and SustainabilityTravaux en français237 207