Synergistic Integration of Dye Molecule and Semiconducting Polymer for Near Infrared Organic Phototransistors
Notice bibliographique
Résumé
Abstract Highly sensitive near‐infrared (NIR) photodetectors are critical for biomedical applications demanding precision and performance. Organic phototransistors (OPTs) offer superior photo‐sensing due to field‐effect modulation. Yet, narrow bandgap organic semiconducting polymers (SCPs) are rarely used in high‐performance NIR‐OPTs because of low mobility and high dark off‐current (DOC). Although bulk heterojunction can address these challenges, spin‐coating often leads to non‐uniform, randomly oriented domains. This study introduces an effective strategy: blending newly synthesized NIR‐dye 2‐((50‐(4‐(50‐((4,5‐bis(hexylthio)‐1,3‐dithiol‐2‐ylidene)methyl)‐[2,20‐bithiophen]‐5‐yl)‐2,5‐bis(2‐ethylhexyl)‐3,6‐dioxo‐2,3,5,6‐tetrahydropyrrolo[3,4‐c]pyrrol‐1‐yl)‐[2,20 bithiophen]‐5‐yl)methylene)malononitrile (DPPCN) with poly[2,5‐bis (3‐tetradecylthiophen‐2‐yl) thieno[3,2‐b]thiophene] (PBTTT), a p‐type SCP with excellent charge transport properties. Then using a novel Floating Film Transfer Method (FTM) to control molecular self‐assembly at the air–liquid interface, the PBTTT/DPPCN system achieves uniaxial molecular orientation (DR ≈3.29) and improved film crystallinity. OPTs made of PBTTT/DPPCN(2%) exhibit remarkable photosensitivity of 2.8 × 103 under NIR and 2.2 × 10⁴ under red light (1 mW cm−2). Optimized devices achieve high photoresponsivity of 4.82 × 103 A W−1 in NIR with EQE reaching ≈1 × 10⁷%, with even greater responsivity to red light. Improved performance is attributed to enhanced charge‐transfer interaction between PBTTT and DPPCN, efficient exciton dissociation, and superior charge transport by oriented PBTTT backbones. This approach successfully delivers high‐performance OPTs, advancing the potential of organic electronics for biomedical applications and beyond.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».