Nanocrystal-sensitized triplet-fusion upconversion photochemistry
Notice bibliographique
Résumé
The ability to efficiently up-convert broadband, low-intensity light would be an enabling technology for background-free biomedical imaging, volumetric 3D printing, and sensitizing silicon focal plane arrays to the short-wave infrared. Our approach uses colloidal quantum dots—size-tunable spin-mixing fluorophores—to absorb low-energy photons and sensitize the spin-triplet excitonic states of nearby conjugated molecules. Once there, pairs of these long-lived excitations can combine via triplet fusion (triplet-triplet annihilation) to generate shorter-wavelength fluorescence. I will discuss our ongoing efforts to harness our recent advances in the synthesis of ultra-small PbS quantum dots (d~1.7 nm, hν_peak,abs=2.2eV) to sensitize ‘red-to-blue’ triplet-fusion upconversion in solution. We show that the long (>µs) photoluminescence lifetimes of these particles enable max-efficiency upconversion at modest light intensities (I_th=220 mW/cm2), overcoming a mildly endothermic sensitization scheme that maximizes the anti-Stokes shift (1.04 eV). This architecture facilitates the photo-initiated polymerization of methylmethacrylate using only long-wavelength light (λ: 637 nm); a demonstration of nanocrystal-sensitized upconversion photochemistry. Finally, from the quasi-equilibrium dynamics of triplet energy transfer, we infer that the chemical potential of photoexcited, ultra-small PbS quantum dots is surprisingly high—completing an advantageous suite of properties for upconversion photochemistry, but reinforcing questions regarding the emissive state.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».