Strong Magnetic Field Annealing for Improved Phthalocyanine Organic Thin‐Film Transistors
Notice bibliographique
Résumé
Thin-film microstructure, morphology, and polymorphism can be controlled and optimized to improve the performance of carbon-based electronics. Thermal or solvent vapor annealing are common post-deposition processing techniques; however, it can be difficult to control or destructive to the active layer or substrates. Here, the use of a static, strong magnetic field (SMF) as a non-destructive process for the improvement of phthalocyanine (Pc) thin-film microstructure, increasing organic thin-film transistor (OTFTs) mobility by twofold, is demonstrated. Grazing incident wide-angle X-ray scattering (GIWAXS), X-ray diffraction (XRD), and atomic force microscopy (AFM) elucidate the effect of SMF on both para- and diamagnetic Pc thin-films when subjected to a magnetic field. A SMF is found to increase the concentration of oxygen-induced radical species within the Pc thin-film, lending a paramagnetic character to ordinarily diamagnetic metal-free Pc and resulting in magnetic field induced changes to its thin-film microstructures. In a nitrogen environment, without competing degradation effects of molecular oxygen, SMF processing is found to favorably improve charge transport characteristics and increase OTFT mobility. Thus, post-deposition thin-film annealing with a magnetic field is presented as an alternative and promising technique for future thin-film engineering applications.
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 ».