Engineering the Template Layer for Silicon Phthalocyanine‐Based Organic Thin Film Transistors
Notice bibliographique
Résumé
Abstract Multi‐phenyl and multi‐thiophene rod‐like molecules are typically used for weak epitaxial growth (WEG) of highly ordered organic semiconductor films enabling controllable microstructure properties and improved device performance. However, very few templating molecules have been reported, making it challenging to establish structure‐property relationships. As semiconductors are integrated into organic thin film transistors (OTFTs), the impact of templating layers on semiconductor microstructure and device performance must be established. Herein, four aromatic molecules with similar structure to para‐sexiphenyl ( p ‐6P) are synthesized and incorporated as the template layer in bis (pentafluoro phenoxy) silicon phthalocyanine (F 10 ‐SiPc) OTFTs. The use of fluorinated p ‐6P ( p ‐6PF) yields devices with the highest electron field‐effect mobility of 0.14 cm 2 V −1 s −1 while a partially fluorinated p ‐6P ( p ‐6PF 4 ) results in improved threshold voltage. X‐ray diffraction (XRD) demonstrates varying F 10 ‐SiPc crystallinity with choice of templating layer with the most crystalline films resulting from the use of p ‐6PF. By grazing incidence wide angle X‐ray scattering (GIWAXS) and polarized Raman microscopy, all templating layers yield films with F 10 ‐SiPc molecules predominantly aligned face‐on to the substrate. However, rod‐like p ‐6P derivatives increased the face‐on orientation of F 10 ‐SiPc. This study highlights the importance of template layer selection and deposition optimization in WEG‐based OTFTs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».