MétaCan
Menu
Retour à la cohorte
Enregistrement W4389301794 · doi:10.1002/solr.202300803

Perovskite Photovoltaics: Navigating Stability Challenges for Enhanced Efficiency

2023· article· en· W4389301794 sur OpenAlexaff
Sikandar Aftab, Muhammad Ahsan Saeed, Sajjad Hussain, Fahmid Kabir, Muhammad Aslam, Altaf Hussain Rajpar, Abdullah G. Al‐Sehemi

Notice bibliographique

RevueSolar RRL · 2023
Typearticle
Langueen
DomaineEngineering
ThématiquePerovskite Materials and Applications
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPhotovoltaicsPerovskite (structure)Materials sciencePhotovoltaic systemNanotechnologyHysteresisStability (learning theory)Solar cellEngineering physicsComputer scienceOptoelectronicsEngineeringElectrical engineeringChemical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

In the field of photovoltaics (PVs), perovskite‐based solar cells (PSCs) have become a game‐changing technology, boasting impressive improvements in cell efficiency and providing a promising substitute for conventional silicon, inorganic, and organic solar cells. Herein, the in‐depth analysis over the numerous stability problems that PSCs face, including both extrinsic problems like moisture, UV light, and temperature stability and intrinsic problems like hysteresis effects and metal–perovskite reactions, is examined. This article illuminates the cutting‐edge techniques used to improve PSC stability, thereby paving the way for their commercial viability. This review makes a significant contribution to the ongoing search for higher PV performance by offering a thorough analysis of the developments, challenges, and potential of perovskite‐based solar cells. It investigates printing methods, stability issues, uses, and the special qualities of perovskite materials, ultimately advancing comprehension and the creation of high‐efficiency PSCs.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,033
Tête enseignante GPT0,265
Écart entre enseignants0,233 · 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'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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSolar RRLMême sujetPerovskite Materials and ApplicationsTravaux en français237 207