文献

J-GLOBAL ID：202002260369253110   整理番号：20A2020505

その場飛行時間二次イオン質量分析における機械学習による有機-無機ハロゲン化物ペロブスカイト界面における電気化学反応の探索【JST・京大機械翻訳】

Exploration of Electrochemical Reactions at Organic-Inorganic Halide Perovskite Interfaces via Machine Learning in In Situ Time-of-Flight Secondary Ion Mass Spectrometry

著者 (9件)： Higgins Kate (Joint Institute for Advanced Materials, Department of Materials Science and Engineering, University of Tennessee, Knoxville, TN, 37996, USA) ,  Lorenz Matthias (Center for Nanophase Materials Sciences, Oak Ridge National Laboratory, Oak Ridge, TN, 37831, USA) ,  Ziatdinov Maxim (Center for Nanophase Materials Sciences, Oak Ridge National Laboratory, Oak Ridge, TN, 37831, USA) ,  Vasudevan Rama K. (Center for Nanophase Materials Sciences, Oak Ridge National Laboratory, Oak Ridge, TN, 37831, USA) ,  Ievlev Anton V. (Center for Nanophase Materials Sciences, Oak Ridge National Laboratory, Oak Ridge, TN, 37831, USA) ,  Lukosi Eric D. (Joint Institute for Advanced Materials, Department of Nuclear Engineering, University of Tennessee, Knoxville, TN, 37996, USA) ,  Ovchinnikova Olga S. (Center for Nanophase Materials Sciences, Oak Ridge National Laboratory, Oak Ridge, TN, 37831, USA) ,  Kalinin Sergei V. (Center for Nanophase Materials Sciences, Oak Ridge National Laboratory, Oak Ridge, TN, 37831, USA) ,  Ahmadi Mahshid (Joint Institute for Advanced Materials, Department of Materials Science and Engineering, University of Tennessee, Knoxville, TN, 37996, USA)
資料名： Advanced Functional Materials  (Advanced Functional Materials)
巻： 30  号： 36  ページ： e2001995  発行年： 2020年 
JST資料番号： W1336A  ISSN： 1616-301X  CODEN： AFMDC6  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ハイブリッド有機-無機ペロブスカイト(HOIP)デバイスの不安定性は,商業化を妨げる重要な挑戦の1つである。これらの現象の探索は,HOIPの固有電気化学の複雑性,多重揮発性および移動性イオン種の存在,および表面および三重相結合における環境誘起反応の可能な役割によって厳しく制限される。ここでは,Au電極界面を有するメチルアンモニウム鉛ブロミドペロブスカイトの電気化学のin situ研究を,横方向ペロブスカイトヘテロ構造の光および電圧依存飛行時間二次イオン質量分析(ToF-SIMS)イメージングにより報告した。ToF-SIMSは,表面に沿った化学組成の可視化および光および電気バイアスによるその発展を可能にするが,得られた多次元データの解釈は,化学的シグネチャと一度に複数のピークを追跡する必要性の間の強い相関のために,しばしば制限される。ここでは,Hough変換と非負行列因数分解と非負テンソル分解を組み合わせた機械学習ワークフローを開発し,この限界を回避し,関連する化学変化の顕著な特徴を抽出し,光と電圧依存動力学を分離した。これらのin situキャラクタリゼーションと機械学習ワークフローの組み合わせは,HOIPデバイスにおける移動種の化学的性質,イオン蓄積,および界面電気化学反応に関する包括的な情報を提供する。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *界面 ,  化学組成 ,  電圧 ,  金 ,  *電気化学反応 ,  *ハロゲン化物 ,  可視化 ,  画像処理 ,  多重化 ,  *電気化学 ,  *機械学習 ,  ワークフロー
準シソーラス用語： *TOF-SIMS ,  ヘテロ構造 ,  電極界面 , 【Automatic Indexing@JST】

著者キーワード (6件)： 電気化学反応 ,  イオン移動 ,  機械学習 ,  MAPbBr3 ,  ペロブスカイト ,  ToF-SIMS

分類 (4件)： 気体燃料の製造  (YE02030F) ,  高分子固体の構造と形態学  (CG02022M) ,  電気化学反応  (CB07050F) ,  二次電池  (YB04030K)

タイトルに関連する用語 (7件)： 飛行時間二次イオン質量分析 ,  機械学習 ,  ハロゲン化物 ,  ペロブスカイト ,  界面 ,  電気化学反応 ,  探索