MétaCan
Menu
Retour à la cohorte
Enregistrement W4386346534 · doi:10.1002/smll.202304580

Changes in Hole and Electron Injection under Electrical Stress and the Rapid Electroluminescence Loss in Blue Quantum‐Dot Light‐Emitting Devices

2023· article· en· W4386346534 sur OpenAlexaff
Atefeh Ghorbani, Junfei Chen, Peter Chun, Quan Lyu, Giovanni Cotella, Hany Aziz

Notice bibliographique

RevueSmall · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensHuawei Technologies (Canada)University of Waterloo
Organismes subventionnairesnon disponible
Mots-clésOptoelectronicsElectroluminescenceQuantum dotMaterials scienceLight-emitting diodePhotoluminescenceElectronBlueshiftBlue lightCapacitancePhysicsNanotechnology

Résumé

récupéré en direct d'OpenAlex

Blue quantum dot light-emitting devices (QLEDs) suffer from fast electroluminescence (EL) loss when under electrical bias. Here, it is identified that the fast EL loss in blue QLEDs is not due to a deterioration in the photoluminescence quantum yield of the quantum dots (QDs), contrary to what is commonly believed, but rather arises primarily from changes in charge injection overtime under the bias that leads to a deterioration in charge balance. Measurements on hole-only and electron-only devices show that hole injection into blue QDs increases over time whereas electron injection decreases. Results also show that the changes are associated with changes in hole and electron trap densities. The results are further verified using QLEDs with blue and red QDs combinations, capacitance versus voltage, and versus time characteristics of the blue QLEDs. The changes in charge injection are also observed to be partially reversible, and therefore using pulsed current instead of constant current bias for driving the blue QLEDs leads to an almost 2.5× longer lifetime at the same initial luminance. This work systematically investigates the origin of blue QLEDs EL loss and provides insights for designing improved blue QDs paving the way for QLEDs technology commercialization.

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 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 enseignants0,073
Score d'incertitude au seuil0,428

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,242
Écart entre enseignants0,220 · 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.

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

Citations16
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmallMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207