MétaCan
Menu
Retour à la cohorte
Enregistrement W4291693678 · doi:10.1021/acs.nanolett.2c02756

Quantum-Size-Effect Tuning Enables Narrowband IR Photodetection with Low Sunlight Interference

2022· article· en· W4291693678 sur OpenAlexafffund
João M. Pina, Maral Vafaie, Darshan H. Parmar, Ozan Atan, Pan Xia, Yangning Zhang, Amin Morteza Najarian, F. Pelayo Garcı́a de Arquer, Sjoerd Hoogland, Edward H. Sargent

Notice bibliographique

RevueNano Letters · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhotodetectorPhotodetectionOptoelectronicsMaterials scienceQuantum efficiencyDark currentAbsorption (acoustics)PhotodiodeOpticsInterference (communication)PhysicsChannel (broadcasting)Telecommunications

Résumé

récupéré en direct d'OpenAlex

Infrared photodetection enables depth imaging techniques such as structured light and time-of-flight. Traditional photodetectors rely on silicon (Si); however, the bandgap of Si limits photodetection to wavelengths shorter than 1100 nm. Photodetector operation centered at 1370 nm benefits from lower sunlight interference due to atmospheric absorption. Here, we report 1370 nm-operating colloidal quantum dot (CQD) photodetectors and evaluate their outdoor performance. We develop a surface-ligand engineering strategy to tune the electronic properties of each CQD layer and fabricate photodetectors in an inverted (PIN) architecture. The strategy enables photodetectors with an external quantum efficiency of 75% and a low dark current (1 μA/cm2). Outdoor testing demonstrates that CQD-based photodetectors combined with a 10 nm-line width bandpass filter centered at 1370 nm achieve over 2 orders of magnitude (140× at incident intensity 1 μW/cm2) higher signal-to-background ratio than do Si-based photodetectors that use an analogous bandpass filter centered at 905 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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge 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 enseignants0,007
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,200
Écart entre enseignants0,191 · 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

Citations22
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207