MétaCan
Menu
Retour à la cohorte
Enregistrement W4394683119 · doi:10.1002/smll.202402371

Nickel Oxide Hole Injection Layers for Balanced Charge Injection in Quantum Dot Light‐Emitting Diodes

2024· article· en· W4394683119 sur OpenAlexaff
Haoyue Wan, Eui Dae Jung, Tong Zhu, So Min Park, João M. Pina, Pan Xia, Koen Bertens, Ya‐Kun Wang, Ozan Atan, Haijie Chen, Yi Hou, Seungjin Lee, Yu‐Ho Won, Kwanghee Kim, Sjoerd Hoogland, Edward H. Sargent

Notice bibliographique

RevueSmall · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSamsung
Mots-clésQuantum dotOptoelectronicsMaterials scienceLight-emitting diodeDiodeAcceptorDopingNickel oxideOxidePhysicsCondensed matter physics

Résumé

récupéré en direct d'OpenAlex

Abstract Quantum dot (QD) light‐emitting diodes (QLEDs) are promising for next‐generation displays, but suffer from carrier imbalance arising from lower hole injection compared to electron injection. A defect engineering strategy is reported to tackle transport limitations in nickel oxide‐based inorganic hole‐injection layers (HILs) and find that hole injection is able to enhance in high‐performance InP QLEDs using the newly designed material. Through optoelectronic simulations, how the electronic properties of NiO x affect hole injection efficiency into an InP QD layer, finding that efficient hole injection depends on lowering the hole injection barrier and enhancing the acceptor density of NiO x is explored. Li doping and oxygen enriching are identified as effective strategies to control intrinsic and extrinsic defects in NiO x , thereby increasing acceptor density, as evidenced by density functional theory calculations and experimental validation. With fine‐tuned inorganic HIL, InP QLEDs exhibit a luminance of 45 200 cd m −2 and an external quantum efficiency of 19.9%, surpassing previous inorganic HIL‐based QLEDs. This study provides a path to designing inorganic materials for more efficient and sustainable lighting and display technologies.

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 enseignants0,038
Score d'incertitude au seuil0,545

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 ouverte0,0000,000
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 Opus0,032
Tête enseignante GPT0,255
Écart entre enseignants0,224 · 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

Citations34
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmallMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207