YT
Yuanyuan Tian
Author with expertise in Perovskite Solar Cell Technology
Achievements
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
5
(60% Open Access)
Cited by:
1
h-index:
11
/
i10-index:
13
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Perovskite/GaN-Based Light-Modulated Bipolar Junction Transistor for High Comprehensive Performance Visible-Blind Ultraviolet Photodetection

Sijie Jiang et al.Jun 23, 2024
The state-of-the-art visible-blind ultraviolet (UV) photodetectors (PDs) are generally demonstrated to have typical photoconductor or photodiode structures, without the tunability to balance different photosensing parameters. Here, we propose a specially designed perovskite/GaN-based light-modulated bipolar junction transistor (BJT) for visible-blind UV photodetection. As the conduction-band-aligned p-n-p junction at the CH3NH3PbCl3/GaN interface dominates the photocarrier dynamics, the saturated photocurrent collected with the electrodes on the perovskite film is linearly dependent on the optical power pumped on the GaN film with multiplication. This device reaches a saturated output at 0.5 V, reporting a responsivity of 0.43 A/W, a specific detectivity of 4.11 × 1012 Jones, a rise/fall time of 70.50/71.83 μs, and the highest linear dynamic range of 159 dB. Our device provides a structure panel to optimize the trade-off between responsivity and response speed, with a comprehensive performance outperforming the published similar UV PDs and commercial products. Moreover, it can be readily integrated with GaN-based lighting devices for full-duplex communication in light-fidelity (LiFi) networks.
0

Advancing Large Language Models for Spatiotemporal and Semantic Association Mining of Similar Environmental Events

Yuanyuan Tian et al.Dec 5, 2024
ABSTRACT Retrieval and recommendation are two essential tasks in modern search tools. This paper introduces a novel retrieval‐reranking framework leveraging large language models to enhance the spatiotemporal and semantic associated mining and recommendation of relevant, unusual climate and environmental events described in news articles and web posts. This framework uses advanced natural language processing techniques to address the limitations of traditional manual curation methods in terms of high labor costs and lack of scalability. Specifically, we explore an optimized solution to employ cutting‐edge embedding models for semantically analyzing spatiotemporal events (news) and propose a Geo‐Time Re‐ranking strategy that integrates multi‐faceted criteria including spatial proximity, temporal association, semantic similarity, and category‐instructed similarity to rank and identify similar spatiotemporal events. We apply the proposed framework to a dataset of four thousand local environmental observer network events, achieving top performance on recommending similar events among multiple cutting‐edge dense retrieval models. The search and recommendation pipeline can be applied to a wide range of similar data search tasks dealing with geospatial and temporal data. We hope that by linking relevant events, we can better aid the general public to gain enhanced understanding on climate change and its impact on different communities.