Fast Near‐Infrared Photodetection Using III–V Colloidal Quantum Dots
Notice bibliographique
Résumé
Abstract Colloidal quantum dots (CQDs) are promising materials for infrared (IR) light detection due to their tunable bandgap and their solution processing; however, to date, the time response of CQD IR photodiodes is inferior to that provided by Si and InGaAs. It is reasoned that the high permittivity of II–VI CQDs leads to slow charge extraction due to screening and capacitance, whereas III–Vs—if their surface chemistry can be mastered—offer a low permittivity and thus increase potential for high‐speed operation. In initial studies, it is found that the covalent character in indium arsenide (InAs) leads to imbalanced charge transport, the result of unpassivated surfaces, and uncontrolled heavy doping. Surface management using amphoteric ligand coordination is reported, and it is found that the approach addresses simultaneously the In and As surface dangling bonds. The new InAs CQD solids combine high mobility (0.04 cm 2 V −1 s −1 ) with a 4× reduction in permittivity compared to PbS CQDs. The resulting photodiodes achieve a response time faster than 2 ns—the fastest photodiode among previously reported CQD photodiodes—combined with an external quantum efficiency (EQE) of 30% at 940 nm.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,001 | 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) | 0,011 | 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 tête enseignante, 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 ».