MétaCan
Menu
Retour à la cohorte
Enregistrement W4414534867 · doi:10.1021/acsnano.5c11320

Metallic Lead Formation in Perovskites: Mechanisms, Suppression, and Future Directions

2025· review· en· W4414534867 sur OpenAlexafffund
Ahmed L. Abdelhady, Shakil N. Afraj, Yuki Haruta, Mohammed Misbah Uddin, Makhsud I. Saidaminov

Notice bibliographique

RevueACS Nano · 2025
Typereview
Langueen
DomaineEngineering
ThématiquePerovskite Materials and Applications
Établissements canadiensUniversity of Victoria
Organismes subventionnairesKhalifa University of Science, Technology and ResearchCanada Research Chairs
Mots-clésPassivationPerovskite (structure)Lead (geology)HalideCharge carrierMetal

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide Lead halide perovskites APbX 3 (A = methylammonium, formamidinium, cesium; X = halogen) have advanced the field of optoelectronics, particularly in solar cells, photodetectors, and light-emitting diodes, due to their outstanding properties. However, a significant challenge remains unresolved: the formation of metallic lead (Pb 0 ), which introduces deep-level defects that trap charge carriers and degrade device performance. The formation of Pb 0 in perovskites can occur after their synthesis under various conditions, including high-energy radiation, light, heat, and moisture, and has also been observed during perovskite crystallization. Thus, it is crucial to understand the underlying mechanisms of Pb 0 formation and its suppression pathways. Recent studies have explored various strategies to suppress Pb 0 formation, including compositional engineering, additive incorporation, and protective passivation layers. In this review, we discuss the origins of Pb 0 formation in perovskites, focusing on the mechanisms driving this process under different environmental conditions, and then strategies for suppressing Pb 0 formation, including compositional engineering and passivation techniques. By addressing these aspects, we seek to identify pathways for enhancing the stability and performance of perovskite-based devices, enabling their widespread adoption in commercial applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,015
Tête enseignante GPT0,262
Écart entre enseignants0,248 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations18
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetPerovskite Materials and ApplicationsTravaux en français237 207