Nickel Phthalocyanine: Borophene P-N Junction-Based Thermoelectric Generator
Notice bibliographique
Résumé
In this study, borophene and nickel phthalocyanine (NiPc): borophene nanocomposites were prepared using the sonication method. The NiPc: borophene nanocomposite was uniformly obtained as a 10–80 nm-sized spherically shaped particle. Electrical conductivities (s) were measured as 3 × 10−13 Scm−1 and 9.5 × 10−9 Scm−1 for NiPc and the NiPc: borophene nanocomposite, respectively. The SEM image showed that borophene was homogeneously distributed in the NiPc matrix and increased the charge transport pathways. This is the main reason for a 106-fold increase in electrical conductivity. An indium tin oxide (ITO)/NiPc: borophene nanocomposite-based thermoelectric generator (TEG) was prepared and characterized. The Seebeck coefficients (S) were calculated to be 5 μVK−1 and 30 μVK−1 for NiPc and the NiPc: borophene nanocomposite, respectively. A positive Seebeck coefficient value for the NiPc: borophene showed the p-type nature of the nanocomposite. The power factors (PF = sS2) were calculated as 7.5 × 10−16 μW m−1 K−2 and 8.6 × 10−10 μW m−1 K−2 for NiPc and the NiPc: borophene nanocomposite, respectively. Compositing NiPc with borophene increased the power factor by ~106-fold. It has been concluded that the electrical conductivity and Seebeck coefficient of the NiPc: borophene material increases due to energy band convergence because of combining p-type NiPc with p-type borophene. Therefore, the NiPc: borophene nanocomposite is a promising material for TEG.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,008 | 0,001 |
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 ».