Differences in Spontaneous Electron Transfer in Red, Green, and Blue Quantum Dot Light-Emitting Devices and Its Benefits for Electroluminescence Efficiency
Notice bibliographique
Résumé
In this study, transient and steady-state photoluminescence (PL) measurements reveal that the spontaneous electron transfer that is known to occur from the electron transport layer (ETL) into the quantum dot (QD)-emissive layer (EML), which occurs under zero bias, decreases as the band gap of the QDs-EML becomes wider and therefore decreases as one goes from red (R)-QDs to green (G)-QDs and then to blue (B)-QDs. PL measurements, simulation results, and tests on both full devices as well as single carrier devices demonstrate that there is a correlation between the magnitude of the spontaneous electron transfer and the sequence of carrier injection into the QDs-EML. Specifically, in R-QLEDs, where the spontaneous electron transfer is strongest, the sequence of charge injection into the QDs-EML is “electron first, hole next,” whereas in the case of B-QLEDs, where it is weakest, the sequence is “hole first, electron next”. Also, the observed disparities in the spontaneous electron transfer coincide with significant differences in the external quantum efficiencies (EQEs), with EQEs of 8.91 and 0.77% in the R and B-QLEDs, respectively. This suggests that charging the QDs-EML with electrons first, as opposed to holes first, appears to be more favorable for efficiency enhancement, a behavior that is attributed to the lower Auger recombination rate of negative trions versus that of positive trions. These results highlight the importance of spontaneous electron transfer, resulting in charging the QDs-EML with electrons rather than holes as a prerequisite for efficient QLEDs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».