MétaCan
Menu
Retour à la cohorte
Enregistrement W4390297997 · doi:10.1021/acsenergylett.3c02399

The Effect of Air Ionization in Testing Perovskite-Based Direct Conversion X-ray Detectors

2023· article· en· W4390297997 sur OpenAlexafffund
Yuki Haruta, Alexander Hart, Magdalena Bazalova‐Carter, Makhsud I. Saidaminov

Notice bibliographique

RevueACS Energy Letters · 2023
Typearticle
Langueen
DomaineEngineering
ThématiquePerovskite Materials and Applications
Établissements canadiensUniversity of Victoria
Organismes subventionnairesBritish Columbia Knowledge Development FundJapan Society for the Promotion of ScienceNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanada Foundation for Innovation
Mots-clésIonizationPerovskite (structure)DetectorMaterials scienceX-ray detectorX-rayNuclear engineeringEnvironmental sciencePhysicsChemistryNuclear physicsOpticsIonCrystallographyEngineering

Résumé

récupéré en direct d'OpenAlex

sı Supporting Information X -ray detectors have a wide range of applications, including medical diagnostics, industrial product inspection, and scientific investigations.Direct X-ray detectors using a photoconductive material offer highresolution imaging with high sensitivity.1 Conventional photoconductive materials suffer from limitations such as low attenuation coefficient (a-Se) which results in low sensitivities and high production costs (CdTe).In recent years, various alternative materials, including HgI 2 , 2 PbI 2 , 3 and metal halide perovskites, [4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23] have been explored to address these challenges.Perovskites are intensively investigated due to their high attenuation coefficient, excellent charge carrier transport properties, and low production cost thanks to solution processability.[24][25][26][27][28] Going forward, the field is focusing on instability and reliability of perovskite materials and corresponding devices.[29][30][31] With new materials being developed and tested for sensitive X-ray detection, it is important to select the most promising materials with standardized and quantitative measuring techniques.For instance, when measuring the sensitivity of a device (one of the most important figures of merit of an X-ray detector), under atmospheric conditions, the current produced by the ionized air must be properly considered.Air is in fact used in X-ray detectors in ion chambers.32 We noticed that while some of the perovskite X-ray detectors 4,5 offer response currents on the order of microamperes, many others 6-22 report nanoamperes or even lower response currents, where the contribution of air ionization current may become nonnegligible (Figure 1).This raises concerns as air ionization can interfere with sensitivity estimation, necessitating the dissemination of appropriate evaluation methods for X-ray detectors.In this Viewpoint, we show examples of sensitivity overestimation by disregarding air ionization in device structures typically used in the field.In addition, we summarize instances of potential overestimation in the literature and propose possible proper evaluation methods. Evaluation of Air Ionization Current.To investigate how much current is generated from air ionization and how to eliminate it, we prepared a parallel plate device consisting of two Cu electrodes (Figure 2a) and tested the device inside a homemade vacuum chamber (Figure S1a).The electrodes were 5 mm apart and no other material was present between them except for air.Note that the irradiation field cross section

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,049
Score d'incertitude au seuil0,164

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0490,008

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 Opus0,005
Tête enseignante GPT0,180
Écart entre enseignants0,176 · 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

Citations33
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Energy LettersMême sujetPerovskite Materials and ApplicationsTravaux en français237 207