MétaCan
Menu
Retour à la cohorte
Enregistrement W4390267577 · doi:10.1021/acs.nanolett.3c04214

Entropy-Driven Strongly Confined Low-Toxicity Pure-Red Perovskite Quantum Dots for Spectrally Stable Light-Emitting Diodes

2023· article· en· W4390267577 sur OpenAlexaff
Jie Guo, Yuhao Fu, Weijia Zheng, Mingyuan Xie, Yuchao Huang, Zeyu Miao, Ce Han, Wenxu Yin, Jiaqi Zhang, Xuyong Yang, Jianjun Tian, Xiaoyu Zhang

Notice bibliographique

RevueNano Letters · 2023
Typearticle
Langueen
DomaineEngineering
ThématiquePerovskite Materials and Applications
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Key Research and Development Program of ChinaChina Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésLight-emitting diodeQuantum dotElectroluminescencePhotoluminescenceMaterials scienceOptoelectronicsBrightnessDiodePerovskite (structure)Chemical physicsNanotechnologyChemistryOpticsPhysicsCrystallography

Résumé

récupéré en direct d'OpenAlex

Spectrally stable pure-red perovskite quantum dots (QDs) with low lead content are essential for high-definition displays but are difficult to synthesize due to QD self-purification. Here, we make use of entropy-driven quantum-confined pure-red perovskite QDs to fabricate light-emitting diodes (LEDs) that have low toxicity and are efficient and spectrum-stable. Based on experimental data and first-principles calculations, multiple element alloying results in a 60% reduction in lead content while improving QD entropy to promote crystal stability. Entropy-driven QDs exhibit photoluminescence with 100% quantum yields and single-exponential decay lifetimes without alteration of their morphology or crystal structure. The pure-red LEDs utilizing entropy-driven QDs have spectrally stable electroluminescence, achieving a brightness of 4932 cd/m 2, a maximum external quantum efficiency of over 20%, and a 15-fold longer operational lifetime than the CsPbI 3 QD-based LEDs. These achievements demonstrate that entropy-driven QDs can mitigate local compositional heterogeneity and ion migration.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,086
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,216
Écart entre enseignants0,206 · 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'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

Citations41
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetPerovskite Materials and ApplicationsTravaux en français237 207