ON THE FORMATION OF TITANIUM/TITANIUM OXIDE NANOFIBROUS STRUCTURES AND NANOSPHERES USING FEMTOSECOND LASER IN AIR
Notice bibliographique
Résumé
In this paper, we report a unique growth of nanofibrous structures and nanospheres of titanium using femtosecond laser in air and without the need for any type of catalyst. The femtosecond laser was used to generate nanoparts on a titanium substrate. The irradiated substrate is assumed to be subjected to plane stress type of temperature variation and a new method combining finite difference and Runge–Kutta 4 transient thermal model has been developed to calculate the temperature distribution on the top surface of the substrate during laser ablation. A Matlab code has been developed and validated with the known results from the literature. Scanning electron microscopy (SEM), energy-dispersive X-ray (EDX), X-ray diffractograms (XRD) and micro-Raman analysis were conducted to characterize the microstructure and revealed metallic and oxide phases in the nanostructure analyses. Results showed that nanofibers and nanospheres were grown in the order of few hundreds nanometers or more. The effect of the laser power on the energy/pulse and hence the temperature was studied. It was found that high temperature results in the formation of nanofibers while lower temperature results in formation of nanospheres. This first time observation could have potential application in biomedical, optoelectronics and photocatalysis.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».