Zobrazeno 1 - 10
of 98
pro vyhledávání: '"Jacobs, Ian E."'
Autor:
Un, Hio-Ieng, Iwanowski, Kamil, Orri, Jordi Ferrer, Jacobs, Ian E., Fukui, Naoya, Cornil, David, Beljonne, David, Simoncelli, Michele, Nishihara, Hiroshi, Sirringhaus, Henning
Thermoelectric materials, enabling direct waste-heat to electricity conversion, need to be highly electrically conducting while simultaneously thermally insulating. This is fundamentally challenging since electrical and thermal conduction are usually
Externí odkaz:
http://arxiv.org/abs/2410.11555
Autor:
Wood, William A., Jacobs, Ian E., Spalek, Leszek J., Huang, Yuxuan, Chen, Chen, Ren, Xinglong, Sirringhaus, Henning
Hall effect measurements in doped polymer semiconductors are widely reported, but are difficult to interpret due to screening of Hall voltages by carriers undergoing incoherent transport. Here, we propose a refined analysis for such Hall measurements
Externí odkaz:
http://arxiv.org/abs/2303.14053
Autor:
Jacobs, Ian E., D'Avino, Gabriele, Lemaur, Vincent, Lin, Yue, Huang, Yuxuan, Chen, Chen, Harrelson, Thomas, Wood, William, Spalek, Leszek J., Mustafa, Tarig, O'Keefe, Christopher A., Ren, Xinglong, Simatos, Dimitrios, Tjhe, Dion, Statz, Martin, Strzalka, Joseph, Lee, Jin-Kyun, McCulloch, Iain, Fratini, Simone, Beljonne, David, Sirringhaus, Henning
Publikováno v:
J. Am. Chem. Soc. 2022, 144, 3005-3019
Doped organic semiconductors are critical to emerging device applications, including thermoelectrics, bioelectronics, and neuromorphic computing devices. It is commonly assumed that low conductivities in these materials result primarily from charge t
Externí odkaz:
http://arxiv.org/abs/2101.01714
Autor:
Armitage, John, Spalek, Leszek J., Nguyen, Malgorzata, Nikolka, Mark, Jacobs, Ian E., Marañón, Lorena, Nasrallah, Iyad, Schweicher, Guillaume, Dimov, Ivan, Simatos, Dimitrios, McCulloch, Iain, Nielsen, Christian B., Conduit, Gareth, Sirringhaus, Henning
In the majority of molecular optimization tasks, predictive machine learning (ML) models are limited due to the unavailability and cost of generating big experimental datasets on the specific task. To circumvent this limitation, ML models are trained
Externí odkaz:
http://arxiv.org/abs/1910.13325
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.