MétaCan
Menu
Retour à la cohorte
Enregistrement W2005623554 · doi:10.1039/b607124d

Water soluble quantum dot nanoclusters: energy migration in artifical materials

2006· article· en· W2005623554 sur OpenAlexafffund
Megan Oh, Darcy J Gentleman, Gregory D. Scholes

Notice bibliographique

RevuePhysical Chemistry Chemical Physics · 2006
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlfred P. Sloan Foundation
Mots-clésNanoclustersQuantum dotPhotoluminescenceQuenching (fluorescence)Cluster (spacecraft)Absorption (acoustics)Materials scienceFluorescenceTransmission electron microscopyScatteringAcceptorMolecular physicsDynamic light scatteringAnalytical Chemistry (journal)NanoparticleChemistryNanotechnologyOptoelectronicsOpticsPhysicsCondensed matter physics

Résumé

récupéré en direct d'OpenAlex

Energy migration in self-assembled, water soluble, quantum dot (QD) nanoclusters is reported. These spherical nanoclusters are composed of CdSe QDs bound together by pepsin, a digestive enzyme found in mammals. A structural model for the clusters is suggested, based on scanning transmission electron microscopy, as well as dynamic light scattering and small angle X-ray scattering. Cluster sizes range from 100 to 400 nm in diameter and show a close-packed interior structure. Optical characterization of the absorption and emission spectra of the clusters is reported, finding photoluminescence quantum yields of up to approximately 60% in water for clusters made from core-shell CdSe-ZnS QDs. Clusters prepared from two different size populations of CdSe QD samples (3 and 4 nm in diameter) demonstrate energy migration and trapping. Resonance energy transfer (RET), from small to large dots within the QD-pepsin cluster, is observed by monitoring the quenching of the small donor dot fluorescence along with enhancement of the large acceptor dot fluorescence.

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 enseignants0,024
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 ouverte0,0000,000
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 Opus0,016
Tête enseignante GPT0,216
Écart entre enseignants0,200 · 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

Citations15
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

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