高迁移率和高发光有机功能材料的设计、合成与表征

来源 :天津大学 | 被引量 : 0次 | 上传用户:xiaoyanmeimei
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着科技的发展,有机电子产品以多样化的形式(比如柔性电子书、射频识别等)出现在当今社会,其形成的一系列科学体系和庞大的产业网络对人们的日常生活长生了巨大影响的同时也创造出巨大财富,而推动技术发展的就是有机电子学研究。有机半导体材料在有机电子学领域中占了较大比重。相对于功能单、加工条件苛刻的传统无机半导体材料,有机半导体材料存在以下优势:(1)有机半导体材料还有继续提高电子性能、降低成本和减小尺寸的空间;(2)有机半导体材料有庞大的数量支持,不同功能的材料可以通过化学修饰合成的手段得到,这样也能满足各种各样的科研和市场需求;(3)有机半导体材料相对于无机半导体材料最大的优势就是柔性和可适应性,这样的特性也决定着有机半导体材料非常适合大面积印刷;(4)从生物相容性来说,有机半导体材料要优于无机半导体材料,这种优势决定了有机半导体材料更适合制备在生物体内可以使用的器件。正是由于上述优势,有机半导体材和器件都得到飞速发展。尽管有机电子学发展迅速,然而受限于有机半导体材料性能,该领域的发展仍然存在很多问题,特别是器件性能和集成度方面。有机发光晶体管(Organic light-emitting transistors,OLETs)是一种集有机发光二极管的发光功能和有机场效应晶体管的开关功能于一体的光电集成器件。相比于需要有机场效应晶体管进行驱动的有源矩阵显示(Active-matrix organic light emitting diodes,AMOLEDs),有机发光晶体管的集成度高,制备工艺相对简单,器件尺寸小,有利于电路的高度集成。为了提升有机光电集成器件(例如有机发光晶体管、有机电泵浦激光等)的性能,实现有机光电一体化,亟需设计合成高迁移率高发光有机多功能材料。然而材料多功能化的实现却比较困难,例如,设计合成一种小分子有机半导体材料,使得该材料具有较高的迁移率和较强的荧光量子效率(主要是为了提高材料的电致发光效率),高迁移率材料需要有机半导体分子有高共轭紧密堆积,然而这种堆积方式和结构会的荧光聚集诱导猝灭。典型的材料:红荧烯,该材料具有较高的电荷传输迁移率高达40 cm2·V-1·s-1,但是固体状态下的荧光量子效率不足1%。到目前为止,研究人员已经做了很多很多工作来制备这种材料,该类材料数量依然很少。本论文主要介绍了如何通过分子设计来制备高迁移率、高发光的多功能有机半导体材料。使用本文讲述的方法得到了一些新型的有机半导体材料,用于在晶体管方面的性质研究。主要内容如下:1.以固体无荧光的BTBT分子为母核,引入固体状态下有较高荧光量子效率的蒽单元,得到一种新型的半导体材料BTBT-Ant。该材料具有16.64%的绝对荧光量子效率。通过制备材料的晶体的场效应晶体管,测得最高性能在4cm2·V-1·s-1。相对于其他固体状态下无荧光的BTBT衍生物,该材料显示了较强的荧光,说明固体状态下无荧光基团直接键连固体状态下有强荧光基团,使得材料有荧光,这一方法是可行的。2.设计合成了Ant-Th-Ph和Ant-Th Ph两种化合物,两种化合物的荧光量子效率分别为36.52%和33.32%。Ant-Th-Ph的荧光量子效率高于Ant-Th Ph的荧光量子效率,说明了键连在一起的共轭方式有利于提高材料的发光性质。在场效应晶体管性能方面,Ant-Th-Ph和Ant-Th Ph的单晶最高空穴迁移率分别为1.1cm2·V-1·s-1和4.7 cm2·V-1·s-1。Ant-Th Ph的空穴迁移率高于Ant-Th-Ph的空穴迁移率,说明了稠合在一起的共轭方式有利于提高材料的电荷迁移率。3.设计合成了DPPa和DSPa两种化合物,两种化合物都显示了较高的荧光量子效率分别为37.13%和62.36%。说明了菲的衍生物和蒽的衍生物类似,具有较高的荧光量子效率。在材料的场效应晶体管性能方面,DPPa和DSPa都显示出较高的电荷迁移率,化合物DPPa的最高空穴迁移率为1.6 cm2·V-1·s-1,而化合物DSPa的最高空穴迁移率为0.4 cm2·V-1·s-1。与蒽的类似结构化合物相对比,化合物DPA的最高空穴迁移率为34 cm2·V-1·s-1,而化合物DPV-Ant的最高空穴迁移率为4.3 cm2·V-1·s-1。菲的衍生物场效应性能明显较蒽的衍生低,说明在设计高迁移率材料时应该选用直线型较好的单元为核。4.设计合成了2,6-DAN和2,7-DAN两种新型有机小分子半导体材料,测试了材料的发光性质,2,6-DAN和2,7-DAN的荧光量子效率分别为37.09%和24.57%。制备了单晶场效应晶体管,测得了较高的电荷迁移率性质,化合物2,6-DAN和化合物2,7-DAN的空穴迁移率分别为19 cm2·V-1·s-1和20 cm2·V-1·s-1。这就说明了上面三部分提到的结论是正确可行的。
其他文献
本文研究了非线性偏微分方程的分支理论及其应用.主要包含两方面:一是以动力系统,Conley指标理论为工具研究局部半流与非线性发展方程的全局动态分支理论及其应用;二是以变分方法,静态分支理论为工具研究耦合非线性Schr(?)dinger方程组的正解的性质和结构.在全局动态分支理论及其应用方面,我们首先从不变集分支的角度对完备度量空间上的局部半流建立了两个新的全局动态分支定理.这两个定理的条件易验证且
本文研究了由G布朗运动驱动的几类随机微分方程分布性质:包括与维数无关的Harnack和推移Harnack不等式及其应用;可加泛函的路径无关性的充要条件;泛函型随机微分方程的保序性.全文共分如下六个部分.在第一部分,我们概述了本文的研究背景并回顾了与维数无关的Harnack不等式以及G期望、G-布朗运动和G-Girsanov变换的基础知识.在第二部分,我们建立了可加非退化噪声情形下由G布朗运动驱动的
本文主要研究了非线性色散方程的孤立波解的稳定性理论,适定性和散射性及一类双流体力学方程的长时间行为.全文共分为五章.第一章为综述,共分为五小节.第一节为本文的研究背景和研究进展.第二,三,四,五节分别给出了本文中研究的模型的背景和研究进展,以及所得到的主要结论.第二章研究广义Boussinesq方程孤立波解的不稳定性.广义Boussinesq方程写为(?)(t,x)∈ R × R,其中0
微波光子学技术是融合了微波技术和光子学优势的新兴技术,它旨在利用光学技术的高速率、大带宽、低损耗及抗电磁干扰等固有优势,解决传统微波技术(例如高速率波形信号的产生等)所面临的带宽及速率瓶颈等问题。其中以光电振荡器(OEO)为代表的光生微波技术突破了传统微波源的相位噪声的极限,成为了国际研究热点。本文针对此热点,围绕着基于OEO的微波波形产生技术及角速度测量技术两方面展开了研究:一方面探索新型的微波
本文针对光纤光栅(Fiber Bragg Grating,简写为FBG)传感技术的工程应用需求,开展了特殊环境下FBG传感相关技术与高速解调方法的研究。提出了一种基于光延时微波实时相位检测(optical true time delay microwave phase detection,简写为OTTD-MPD)的FBG高速、高分辨率解调方法,将微波光子学中的实时相位检测方法应用于FBG解调;针对
特征选择可有效地加快学习过程、提高模型的泛化能力和学习精度,因此,特征选择已经成为了机器学习任务中一个重要的数据预处理过程。近年来,特征选择方法已取得了长足进展,其研究主要聚焦于扁平化数据,即将所有的数据等同看待,不考虑数据间的结构关系。但是,大数据时代不仅带来了数据样本数量、特征维度及类别种类的快速增长,而且数据间也往往蕴含着丰富的层次结构关系。如何充分挖掘和利用大数据的这些层次结构信息来进行特
光子晶体光纤(Photonic Crystal Fiber,PCF)以其独特的光学性能和结构优势,近年来得到了广泛而深入的研究,且被应用于各种类型的传感器及特种激光器等领域。基于空芯光子晶体光纤(Hollow-core PCF,HC-PCF)的新型气体和液体传感器,由于其相比传统传感器更易实现全光纤、高灵敏度、长距离和分布式传感,成为传感领域的研究热点。进一步将高性能光纤激光器应用于有源内腔传感技
本文旨在研究级联点过程的参数估计、自激点过程的半参数与非参数估计以及借助级联和自激点过程挖掘和分析通讯行为特征.级联和自激点过程是一类描述聚类现象的点过程,可以有效地再现一件事件发生后产生的级联效应,因此常被用来解释人类行为中的爆发现象.其中最活跃的是自激点过程,近年来被广泛应用于以人类为主导的犯罪与安全、社交网络和金融等领域.同时,相比于其它类型的人类行为数据,人类通讯数据日益重要且隐含人类行为
人类视觉系统可在大范围、复杂场景中定位出最吸引注意的感兴趣内容或区域,称之为视觉注意机制。该机制可以帮助人类快速捕获场景中的有效信息,以便快速、有效的分析场景内容。受此机制的启发,研究人员希望计算机可以模拟人类的视觉注意机制,具备自动定位场景中显著性内容的能力,进而为后续处理提供有效的辅助信息,实现计算资源的合理分配,这样视觉显著性检测任务应运而生。场景的显著性区域通常包含了人类感兴趣的重要目标或
学位
近年来,随着深度学习复兴,机器学习和计算机视觉领域的很多研究都取得了极大的进展,如目标检测,物体识别,人群密度估计等。这些研究的进步主要来源于以下三个方面:(1)先进的深度学习模型;(2)强大的计算能力;(3)大量有效的标注数据。当前的深度学习模型大都是基于监督学习的方式,即每个目标类别都需要大量有效的标注数据训练模型。然而,现实世界包含了数以万计的物体类别,收集并标注所有类别的样本是不切实际的。