MétaCan
Menu
Retour à la cohorte
Enregistrement W2018211984 · doi:10.1021/jp112317h

Effect of Indium Doping on the Growth and Physical Properties of Ultrathin Nanosheets of GaInN/ZnO Solid Solution

2011· article· en· W2018211984 sur OpenAlexaff
Wei‐Qiang Han, Matthew J. Ward, Tsun‐Kong Sham

Notice bibliographique

RevueThe Journal of Physical Chemistry C · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueZnO doping and properties
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésIndiumDopingMaterials scienceNanotechnologyOptoelectronicsChemical engineering

Résumé

récupéré en direct d'OpenAlex

We have prepared single-crystal, thin GaInN/ZnO solid-solution nanosheets by nitration of a single source Ga−In−Zn−O gel-like homogeneous precursor. The thickness of these nanosheets can be as low as about 2 nm. The In doping ratio typically was 1−2%. It is found that while indium plays an important role in the formation of the nanosheets and contributes to their narrow bandgap energy of about 2.55 eV, the impact of Zn doping on the bandgap shrinkage is higher than that of indium. An X-ray absorption near-edge structures (XANES) study confirms the validity of In doping in the solid solution, revealing that it increases chemical disorder, which is evident by the corresponding distortion of the Ga L 3,2 -edge and the N K-edge spectra. From the XANES, we observe that Zn atoms are displaced from the GaN lattice as In is incorporated into the solid solution. X-ray excited optical luminescence measurements show that indium doping reduces zinc acceptors in the GaN lattice, resulting in a blue shift and narrowing of the material’s emission band.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,005
Score d'incertitude au seuil0,223

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,024
Tête enseignante GPT0,236
Écart entre enseignants0,212 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations17
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry CMême sujetZnO doping and propertiesTravaux en français237 207