MétaCan
Menu
Retour à la cohorte
Enregistrement W1931781316 · doi:10.1039/c5cp02173a

Linking surface chemistry to optical properties of semiconductor nanocrystals

2015· article· en· W1931781316 sur OpenAlexaff
Michael Krause, Patanjali Kambhampati

Notice bibliographique

RevuePhysical Chemistry Chemical Physics · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésNanocrystalSemiconductorNanotechnologySurface (topology)Semiconductor materialsChemistryMaterials scienceOptoelectronics

Résumé

récupéré en direct d'OpenAlex

The intricate chemistry occurring at the surface of semiconductor nanocrystals is crucial to tailoring their optical properties to a myriad of applications. This perspective aims to re-evaluate long held ideas in semiconductor nanocrystal surface science in the light of a body of new and rich research. We start by reviewing recent developments in ligand chemistry, followed by a discussion of spectroscopic and computational approaches used for advancing the poorly-understood electronic structure of the surface. With the insights gained, we show how the surface impacts emissive behaviour and we summarize strategies to increase fluorescent quantum yield. This discussion is followed by a review of experimental approaches for quantitative analysis of the surface chemistry at concentrations relevant to spectroscopic measurements. We end by highlighting some new directions in ligand chemistry, namely all-inorganically passivated semiconductor nanocrystals and new applications of surface emission.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,251
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations100
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical Chemistry Chemical PhysicsMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207