Influences of organometallic polymer‐derived catalyst dispersion on SWNT growth
Notice bibliographique
Résumé
Abstract Catalyst formation kinetics of a ferrocene‐containing homopolymer, polyferrocenylethylmethylsilane (PFEMS), is investigated as it relates to the catalysis of single walled carbon nanotubes (SWNTs) through a chemical vapor deposition (CVD) process. The formation and efficiency of the PFEMS‐based iron catalyst is compared with that of the corresponding polystyrene (PS)‐b‐PFEMS diblock copolymer. The PFEMS homopolymer contains 23 wt % iron, while PS‐b‐PFEMS, with a 25 vol % PFEMS content, is only 6% iron. Despite its lower iron content, spin‐cast PS‐b‐PFEMS films on SiO2/Si substrates produce more active iron sites than spin‐cast PFEMS films during CVD growth of SWNTs. This is related to the self‐assembly of the block copolymer, where PFEMS domains are well dispersed in the PS matrix, which degrades at a CVD temperature of 920 °C to leave catalytically active elemental iron behind. On the contrary, the pure PFEMS films contain a high percentage of iron and silicon, which tend to transform into ceramic‐coated iron at this high temperature, thus rendering the iron inactive towards SWNT growth. © 2007 Wiley Periodicals, Inc. J Polym Sci Part B: Polym Phys 45: 758–765, 2007
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».