MétaCan
Menu
Retour à la cohorte
Enregistrement W4414453240 · doi:10.1002/advs.202511211

Unravel the Effects of UV Light on the Lattice Stability of Perovskite via Numerical Simulation

2025· article· en· W4414453240 sur OpenAlexaff
Qihang Yang, Yuqin Liu, Tao Xi, Yanyan An, Lory Wenjuan Yang, Ruqiang Dou, Na Liu, Fan Xu, Ryan Taoran Wang, Gu Xu

Notice bibliographique

RevueAdvanced Science · 2025
Typearticle
Langueen
DomaineEngineering
ThématiquePerovskite Materials and Applications
Établissements canadiensMcMaster University
Organismes subventionnairesShenzhen Science and Technology Innovation ProgramNational College Students Innovation and Entrepreneurship Training ProgramNational Key Research and Development Program of ChinaRecruitment Program of Global Experts
Mots-clésPassivationPerovskite (structure)Degradation (telecommunications)Lattice (music)DurabilityStability (learning theory)Computer simulation

Résumé

récupéré en direct d'OpenAlex

Abstract The light degradation of perovskite greatly hinders the commercialization of perovskite solar cells, which is yet to be resolved, despite the many attempts. A simulation method is applied here to illustrate the degradation kinetics, which reveals that under dark conditions, these perovskites show minimal degradation, suggesting that water and oxygen have little damaging effect without light. However, exposure to UV light significantly accelerates the degradation, which can be reduced by introducing self‐assembling from Zn 2+ and 1‐(triazol‐1‐ly)‐4‐(tetrazol‐5‐ylmethyl) benzene (Zn‐TTB) as an additive. This indicates that defect passivation via additives can significantly enhance the durability of perovskite materials. These findings not only provide insights into the kinetics of UV‐induced degradation of perovskites but also highlight the role of additives in improving the longevity of these materials, offering promising directions for their practical application under UV‐exposed conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,147

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,254
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced ScienceMême sujetPerovskite Materials and ApplicationsTravaux en français237 207