MétaCan
Menu
Retour à la cohorte
Enregistrement W4283269044 · doi:10.1038/s43246-022-00262-2

Tracking the evolution of materials and interfaces in perovskite solar cells under an electric field

2022· article· en· W4283269044 sur OpenAlexaff
Juntao Hu, Peng Chen, Deying Luo, Dengke Wang, Nan Chen, Shiyu Yang, Zewei Fu, Maotao Yu, Lei Li, Rui Zhu, Zheng‐Hong Lu

Notice bibliographique

RevueCommunications Materials · 2022
Typearticle
Langueen
DomaineEngineering
ThématiquePerovskite Materials and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPerovskite (structure)Electric fieldChemical physicsMaterials sciencePhotoemission spectroscopyOptoelectronicsChemical speciesChemistryChemical engineeringX-ray photoelectron spectroscopyPhysicsCrystallography

Résumé

récupéré en direct d'OpenAlex

Abstract What causes the instability of perovskite solar cells has been a puzzling problem impeding the development of commercial panels. So far there is limited evidence on the link between device instability and the various materials in each of the stacked layers. Here, we study the chemistry and distribution of various species and the integrity of the functional layers in high-performance inverted perovskite solar cells, with and without an electric field. The distribution of the diffusion species and its impact on the chemical and electronic structures through the transporting layers are measured by photoemission spectroscopy combined with damage-free ion beam sputtering. We find that various species, such as I 2 and PbI 2 , are distributed throughout the organic transporting layers toward the electrode interface. These species are found to be charge neutral, have no impact on the Fermi level, and react little with copper. An electric field, however, can catalyze the electro-decomposition of the perovskite, causing chemical heterogeneity and degradation in device performance.

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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,020
Tête enseignante GPT0,250
Écart entre enseignants0,229 · 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

Citations38
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications MaterialsMême sujetPerovskite Materials and ApplicationsTravaux en français237 207