Heterogeneities in sol–gel-derived paramagnetics-doped forsterites and willemites — Electron microprobe analysis and stretched-exponential <sup>29</sup>Si MAS NMR spin–lattice relaxation studies
Notice bibliographique
Résumé
We report the synthesis and analysis of sol–gel-derived samples of forsterite (Mg 2 SiO 4 ) and willemite (Zn 2 SiO 4 ), doped with paramagnetic Cu 2+ , Ni 2+ , and Co 2+ , at a range of dopant concentrations. Electron probe microanalysis and backscattered electron imaging show the presence of major micrometre-scale heterogeneities in the distribution of paramagnetic centres. Despite the inhomogeneities, the 29 Si NMR spin–lattice relaxation behaviour is well-behaved and is consistent with the stretched-exponential expression M z (t) = M z (∞){1 – a exp[–(t/T′) n ]}. The exponent n is 0.5 within the experimental error in some samples. This value is consistent with relaxation by immobile isolated paramagnetic impurities with negligible 29 Si spin diffusion from the impurity centres, but careful curve fitting confirms that n is significantly larger than 0.5 in other samples. Relaxation efficiency is highly dependent on the dopant ion and its concentration. Although the purely empirical stretched-exponential function does not provide a unique physical picture, it is noteworthy that it is sufficiently robust to describe spin–lattice relaxation even in highly inhomogeneous systems. Spin–lattice relaxation is a useful probe of paramagnetics-doped solid samples, but NMR does not provide information on homogeneity. Careful sample characterization on the micrometre scale is highly desirable, as a complement to NMR studies.Key words: MAS NMR, spin–lattice relaxation, 29 Si, forsterite, willemite, stretched-exponential relaxation, sol–gel, minor-component heterogeneity, backscattered electron analysis.
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 ».