Dye-sensitized solar cells based on anatase- and brookite-TiO<sub>2</sub>: enhancing performance through optimization of phase composition, morphology and device architecture
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Herein, we demonstrate an optimization of dye-sensitized solar cells (DSSCs) through the development of single-layer and double-layer configurations. Focusing on the incorporation of brookite and anatase phases in varying ratios, the study aims to determine the optimal composition for enhanced photovoltaic performance. The active layer, composed of anatase- and brookite-TiO 2 nanoparticles, is further modified with a scattering layer comprising a mixture of anatase nanoparticles and brookite-TiO 2 in the form of nanocube or rice-like particles. The synthesis of TiO 2 nanostructures with various morphologies and phase compositions and their subsequent application in single-layer and double-layer DSSCs are presented. The results highlight the superior light-harvesting capabilities achieved through the strategic incorporation of brookite phase into the anatase phase, emphasizing the importance of optimizing the anatase: brookite ratio. The single-layer DSSCs exhibit a peak efficiency of 8.73%, achieved with a composition of 30 wt.% brookite and 70 wt.% anatase at a thickness of 15 μ ms. In the context of double-layer DSSCs, the combined optimization of the active layer composition, scattering layer morphology, and utilization of anatase nanoparticles leads to a remarkable efficiency of 9.18%. These findings underscore the critical role of composition and morphology in enhancing the performance of DSSCs, showcasing the potential for brookite-based DSSCs in solar energy conversion.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle