MétaCan
Menu
Retour à la cohorte
Enregistrement W1965878897 · doi:10.1039/c5cp00924c

Gold nanoparticle array formation on dimpled Ta templates using pulsed laser-induced thin film dewetting

2015· article· en· W1965878897 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePhysical Chemistry Chemical Physics · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Thin Films
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésDewettingMaterials scienceTemplateNanoparticlePulsed laserNanotechnologyThin filmColloidal goldPulsed laser depositionLaserChemical engineeringOptoelectronicsOptics

Résumé

récupéré en direct d'OpenAlex

Here we show that pulsed laser-induced dewetting (PLiD) of a thin Au metallic film on a nano-scale ordered dimpled tantalum (DT) surface results in the formation of a high quality Au nanoparticle (NP) array. In contrast to thermal dewetting, PLiD does not result in deformation of the substrate, even when the Au film is heated to above its melting point. PLiD causes local heating of only the metal film and thus thermal oxidation of the Ta substrate can be avoided, also because of the high vacuum (low pO2) environment employed. Therefore, this technique can potentially be used to fabricate NP arrays composed of high melting point metals, such as Pt, not previously possible using conventional thermal annealing methods. We also show that the Au NPs formed by PLiD are more spherical in shape than those formed by thermal dewetting, likely demonstrating a different dewetting mechanism in the two cases. As the metallic NPs formed on DT templates are electrochemically addressable, a longer-term objective of this work is to determine the effect of NP size and shape (formed by laser vs. thermal dewetting) on their electrocatalytic properties.

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.

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 enseignants0,433
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)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,028
Tête enseignante GPT0,239
Écart entre enseignants0,211 · 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