Effect of atomic layer deposition and alumina actions of optoelectronic behaviour of polyfluorene OLEDS
Notice bibliographique
Résumé
Abstract With unique properties such as enhanced photoluminescence (PL) efficiency, improved thermal stability, and favourable optical properties, polyfluorenes (PFs) are well-suited for organic light-emitting diode (OLED) applications. However, the conventional PF layers are found to have drawbacks, including variation in charge transport, which minimizes the overall PL efficiency due to uneven coating and photo-oxidation. Current research aims to overcome the above difficulties and to synthesize PF reinforced with alumina (Al 2 O 3 ) nanoparticles (3 wt%) along with encapsulation coating via Atomic Layer Deposition (ALD) and investigates the influence of varying encapsulation coating thicknesses (0, 10, 30, and 50 nm) in the enhancement of optoelectronic performances and operational stability. The fabricated devices were characterized using electroluminescence (EL) spectra, external quantum efficiency (EQE), current–voltage (I–V) plots, and encapsulation effectiveness tests. The investigational results indicate that an encapsulation thickness of 30 nm yields the maximum EL intensity, with a peak wavelength of 470 nm and an external quantum efficiency (EQE) of 8.1 %. This configuration exhibited a low turn-on voltage of 3 V. The I–V plot demonstrated a maximum current density of 8.2 mA/cm 2 . The Hall mobility was increased to 1.0 × 10 −4 cm 2 /V.s with the observed carrier concentration of 2.6 × 10 16 cm −3 . The alumina encapsulation significantly improved the durability and stability, with a device lifetime of 312 hours, and reduced the oxygen permeation rate to 5 cm 3 /m 2 /day/atm. The findings highlight the crucial role of optimizing alumina encapsulation thickness in enhancing the functional performance of PF-based OLED devices.
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 ».