Impact of Interlayer Optimization on the Performance of Flexible, Self‐Powered Organic Photodetectors for Ambient Light‐Based PPG Sensing
Notice bibliographique
Résumé
Abstract This study explores optimizing interlayers in flexible, self‐powered organic photodetectors (OPDs). Integration of conductive PEDOT:PSS (poly(3,4‐ethylenedioxythiophene)‐poly(styrenesulfonate)), PH1000 flexible anodes on PET substrates demonstrates that PH1000 outperforms traditional ITO (Indium tin oxide) anodes, offering higher optical transmittance, minimal surface roughness, and superior mechanical stability, with less than 10% resistance change after 2000 bending cycles. Various hole transport layers (HTLs) and electron transport layers (ETLs) are studied, showing that their incorporation reduces dark current and increases photocurrent at zero bias. Mott‐Schottky analysis reveals that HTLs and ETLs improve exciton dissociation. CuSCN (Copper(I) thiocyanate) HTL and PFN‐Br (Poly(9,9‐bis(3′‐(N,N‐dimethyl)‐N‐ethylammoinium‐propyl‐2,7‐fluorene)‐alt‐2,7 (9,9‐dioctylfluorene))dibromide) ETL provide the highest performance enhancements, reducing trap density and improving exciton dissociation. Capacitance‐frequency measurements and photoluminescence spectroscopy confirm enhanced exciton dissociation due to reduced binding energy, especially for CuSCN. Charge collection efficiency (CCE) is significantly improved, with CuSCN ETL and PFN‐Br ETL achieving a CCE of over 22.93% at zero bias. PH1000‐based, zero‐biased OPDs with CuSCN and PFN‐Br show a maximum responsivity of 0.23 A/W, specific detectivity of 3.89 × 10 1 2 Jones, rapid response times, and excellent mechanical stability. These OPDs, integrated into an ambient light‐based photoplethysmography sensing system, provide accurate heart rate monitoring, demonstrating their potential for next‐generation low power wearables.
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) | 0,000 | 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 ».