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 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 | 0,001 |
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 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 ».