MétaCan
Menu
Retour à la cohorte
Enregistrement W4400110355 · doi:10.1016/j.orgel.2024.107087

Progressive quenching of luminescence from quantum dot thin films in proximity with ZnMgO in unencapsulated stacks

2024· article· en· W4400110355 sur OpenAlexafffund
Atefeh Ghorbani, Hany Aziz

Notice bibliographique

RevueOrganic Electronics · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhotoluminescenceQuantum dotQuenching (fluorescence)LuminescenceMaterials scienceDiffusionOptoelectronicsLayer (electronics)NanoparticleSpectroscopyNanotechnologyFluorescencePhysicsOptics

Résumé

récupéré en direct d'OpenAlex

ZnMgO nanoparticles (NPs) are being increasingly used as the electron transport layer (ETL) in state-of-the-art quantum-dot light-emitting devices (QLEDs) instead of ZnO. However, the impact of ZnMgO on the luminescence properties of quantum dots (QDs) is much less understood. Here, we compare ZnMgO and ZnO NPs for their quenching effect on Cd-based QDs photoluminescence (PL), immediately and over time. Time-resolved photoluminescence (TRPL) and steady-state PL results show that ZnMgO NPs decreases the QDs’ luminescence more than ZnO NPs and that the behavior continues progressively over time. The surface topography of the samples containing different ETLs is studied using atomic force microscopy (AFM) and optical PL images. Additionally, time of flight secondary ion mass spectroscopy (TOF-SIMS) measurements are conducted to investigate the potential diffusion of some species from ETL into the QDs layer. The results confirm that morphological changes and out-diffusion of some species from the ZnMgO layer can likely play a role in the QDs PL quenching. This study sheds light on the limitations of ZnMgO for the long-term stability of QLEDs, specifically for blue QLEDs where using ZnMgO is essential for efficient electron injection.

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 enseignants0,014
Score d'incertitude au seuil0,812

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,222
Écart entre enseignants0,214 · 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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOrganic ElectronicsMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207