MétaCan
Menu
Retour à la cohorte
Enregistrement W4380989079 · doi:10.4236/jmp.2023.147056

Realization of High Efficient Ferroelectric Perovskite Nanoparticles in Biopolymer-Matrix Solar Cells under Low Lighting

2023· article· en· W4380989079 sur OpenAlexfundno aff
Rémi Ndioukane, Fanta Baldé, Ndéye Coumba Yandé Fall, Abdou Karim Diallo, Diouma Kobor, Jeanne Solard, Laurence Motte

Notice bibliographique

RevueJournal of Modern Physics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiquePerovskite Materials and Applications
Établissements canadiensnon disponible
Organismes subventionnairesAgence Universitaire de la Francophonie
Mots-clésOpen-circuit voltageFerroelectricityMaterials sciencePolarization (electrochemistry)OptoelectronicsShort circuitPerovskite (structure)VoltageRealization (probability)Current densitySolar cellDielectricChemical engineeringElectrical engineeringPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

The idea to use ferroelectric materials (PZN-PT) came from the fact that the ferroelectric nature could facilitate electric charges accumulation on the interfaces of the solar cell. Thus, it would increase the open circuit voltage Voc which could reach more than 10 V. This would directly impact the efficiency which is proportional to Voc, thus hoping to obtain solar efficiency never equaled by the halide perovskites which are less stable and less resistant in aggressive environments. In this work, the solar cells produced gave an exceptional record efficiency of 39.32% with a very high open circuit voltage (Voc) of 3.50 V, a short-circuit current density (Jsc) of 0.118 mA/cm2 and an FF of 0.72 measured in the positive polarization direction under 3825 lux (5.6 W/m2) lighting. The negative polarization direction under 4781 lux (7 W/m2) lightning gave a current density of 2 mA/cm2, an open circuit voltage of 2.30 V and an FF of 0.35.

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 seuil0,002

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 Opus0,009
Tête enseignante GPT0,225
Écart entre enseignants0,216 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Modern PhysicsMême sujetPerovskite Materials and ApplicationsTravaux en français237 207