MétaCan
Menu
Retour à la cohorte
Enregistrement W4308391732 · doi:10.3390/nano12213905

Bioresource-Functionalized Quantum Dots for Energy Generation and Storage: Recent Advances and Feature Perspective

2022· review· en· W4308391732 sur OpenAlexaff
Seyyed Mojtaba Mousavi, Seyyed Alireza Hashemi, Masoomeh Yari Kalashgrani, Darwin Kurniawan, Ahmad Gholami, Wei‐Hung Chiang

Notice bibliographique

RevueNanomaterials · 2022
Typereview
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEnergy storageNanotechnologyQuantum dotSolar energyComputer scienceBiochemical engineeringData scienceMaterials scienceEngineeringPhysicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The exponential increase in global energy demand in daily life prompts us to search for a bioresource for energy production and storage. Therefore, in developing countries with large populations, there is a need for alternative energy resources to compensate for the energy deficit in an environmentally friendly way and to be independent in their energy demands. The objective of this review article is to compile and evaluate the progress in the development of quantum dots (QDs) for energy generation and storage. Therefore, this article discusses the energy scenario by presenting the basic concepts and advances of various solar cells, providing an overview of energy storage systems (supercapacitors and batteries), and highlighting the research progress to date and future opportunities. This exploratory study will examine the systematic and sequential advances in all three generations of solar cells, namely perovskite solar cells, dye-sensitized solar cells, Si cells, and thin-film solar cells. The discussion will focus on the development of novel QDs that are economical, efficient, and stable. In addition, the current status of high-performance devices for each technology will be discussed in detail. Finally, the prospects, opportunities for improvement, and future trends in the development of cost-effective and efficient QDs for solar cells and storage from biological resources will be highlighted.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,990
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0030,000

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 Opus0,074
Tête enseignante GPT0,315
Écart entre enseignants0,241 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanomaterialsMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207