MétaCan
Menu
Retour à la cohorte
Enregistrement W4297900417 · doi:10.1002/smm2.1149

Insights into enhanced electrochemiluminescence of a multiresonance thermally activated delayed fluorescence molecule

2022· article· en· W4297900417 sur OpenAlexafffund
Liuqing Yang, Lihui Dong, David Hall, Mahdi Hesari, Yoann Olivier, Eli Zysman‐Colman, Zhifeng Ding

Notice bibliographique

RevueSmartMat · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds De La Recherche Scientifique - FNRSFédération Wallonie-BruxellesEngineering and Physical Sciences Research CouncilLeverhulme TrustOntario Innovation Trust
Mots-clésElectrochemiluminescenceFluorescenceAnnihilationMoleculePhotochemistryMaterials scienceElectrodeOptoelectronicsAnalytical Chemistry (journal)ChemistryPhysical chemistryPhysicsOptics

Résumé

récupéré en direct d'OpenAlex

Abstract The electrochemiluminescence (ECL) behavior of a multiresonance thermally activated delayed fluorescence molecule has been investigated for the first time by means of ECL‐voltage curves, newly designed ECL‐time observatory, and ECL spectroscopy. The compound, Mes3DiKTa, shows complex ECL behavior, including a delayed onset time of 5 ms for ECL generation in both the annihilation pathway and the coreactant route, which we attribute to organic long‐persistent ECL (OLECL). Triplet‐triplet annihilation, thermally activated delayed fluorescence and uncompensated solution resistance cannot be ruled out as contributing mechanisms to the ECL. A very long ECL emission decay was attributed to OLECL as well. The absolute ECL efficiencies of Mes3DiKTa were enhanced and reached 0.0013% in annihilation route and 1.1% for the coreactant system, which are superior to those of most other organic ECL materials. It is plausible that ECL materials with comparable behavior as Mes3DiKTa are desirable in applications such as ECL sensing, imaging, and light‐emitting devices.

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 seuil0,005

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 Opus0,005
Tête enseignante GPT0,235
Écart entre enseignants0,231 · 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

Citations28
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSmartMatMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207