MétaCan
Menu
Retour à la cohorte
Enregistrement W4392511630 · doi:10.1038/s41467-024-46368-8

The dynamic adsorption affinity of ligands is a surrogate for the passivation of surface defects

2024· article· en· W4392511630 sur OpenAlexafffund
Jian Xu, Aidan Maxwell, Zhaoning Song, Abdulaziz S. R. Bati, Hao Chen, Chongwen Li, So Min Park, Yanfa Yan, Bin Chen, Edward H. Sargent

Notice bibliographique

RevueNature Communications · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueZnO doping and properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesOffice of Energy EfficiencyU.S. NavyU.S. Department of DefenseU.S. Department of EnergyOffice of Energy Efficiency and Renewable EnergyKing Abdullah University of Science and TechnologyOffice of Naval ResearchCompute Canada
Mots-clésPassivationAdsorptionMaterials scienceChemistryChemical engineeringNanotechnologyBiophysicsLayer (electronics)BiologyPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Surface defects in semiconducting materials, though they have been widely studied, remain a prominent source of loss in optoelectronic devices; here we sought a new angle of approach, looking into the dynamic roles played by surface defects under atmospheric stressors and their chemical passivants in the lifetime of optoelectronic materials. We find that surface defects possess properties distinct from those of bulk defects. ab initio molecular dynamics simulations reveal a previously overlooked reversible degradation mechanism mediated by hydrogen vacancies. We find that dynamic surface adsorption affinity (DAA) relative to surface treatment ligands is a surrogate for passivation efficacy, a more strongly-correlated feature than is the static binding strength emphasized in prior reports. This guides us to design targeted passivator ligands with high molecular polarity: for example, 4-aminobutylphosphonic acid exhibits strong DAA and provides defect passivation applicable to a range of perovskite compositions, including suppressed hydrogen vacancy formation, enhanced photovoltaic performances and operational stability in perovskite solar cells.

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 enseignants0,205
Score d'incertitude au seuil0,239

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 ouverte0,0010,000
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 Opus0,029
Tête enseignante GPT0,316
Écart entre enseignants0,287 · 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

Citations24
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetZnO doping and propertiesTravaux en français237 207