To Dope or Not To Dope: The Effect of Sonicating Single-Wall Carbon Nanotubes in Common Laboratory Solvents on Their Electronic Structure
Notice bibliographique
Résumé
Single-wall carbon nanotubes (SWCNTs) are commonly dispersed via sonication in a solvent prior to functionalization. We show that solvents such as dichloromethane, chloroform, 1,2-dichloroethane, and o-dichlorobenzene lead to an upward shift in the Raman response of the SWCNTs. We have used o-dichlorobenzene as a model molecule to explain this effect, and an upward shift of 9 cm(-1) is observed in the D* band. This blue shift is associated with p-type doping and is triggered only when the nanotubes are sonicated in the solvent. Sonication decomposes the chlorinated solvents, and new species (Cl2 and HCl(g)) are formed. The catalytic Fe nanoparticles inherently present in the nanotubes are etched by chlorine and hydrogen chloride to form iron chlorides during sonication in the solvent. The dopant was identified by X-ray photoelectron spectroscopy. With such knowledge of doping, the choice of solvent becomes crucial for any chemical reaction and can be intentionally tuned to produce SWCNTs films for electronics applications.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».