MétaCan
Menu
Retour à la cohorte
Enregistrement W2082829394 · doi:10.1002/adfm.201400587

Photoluminescent Porous Si/SiO<sub>2</sub> Core/Shell Nanoparticles Prepared by Borate Oxidation

2014· article· en· W2082829394 sur OpenAlexaff
Jinmyoung Joo, Jose F. Cruz, Sanahan Vijayakumar, Joel F Grondek, Michael J. Sailor

Notice bibliographique

RevueAdvanced Functional Materials · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSilicon Nanostructures and Photoluminescence
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPhotoluminescenceMaterials sciencePassivationQuantum yieldPorous siliconNanoparticleLuminescenceAqueous solutionBoronDissolutionSiliconChemical engineeringNanotechnologyOptoelectronicsFluorescenceLayer (electronics)Physical chemistryOpticsChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

A systematic study on the activation of photoluminescence from luminescent porous silicon nanoparticles (LPSiNPs) by oxidation in aqueous media containing sodium tetraborate (borax) is presented. The treatment promotes surface oxidation of the porous silicon skeleton and consequently generates an electronically passivated material. Photoluminescence is ascribed to quantum confinement effects and to defects localized at the Si‐SiO 2 interface, and the strong photoluminescence is attributed to passivation of nonradiative surface defects. The oxidation treatment (carried out at 20 °C) generates a gradual blue shift of the photoluminescence peak wavelength (from 800 nm to 630 nm), while the bandwidth remains relatively constant (≈210 nm). During the treatment period, the external quantum yield ( λ ex = 365 nm) of photoluminescence increases to a maximum value of 23% after 200 min, and then it decreases at longer treatment times. The decrease in photoluminescence intensity at longer times is attributed to degradation and dissolution of the nanoparticles, which is inhibited at higher nanoparticle concentrations or by addition of free silicic acid.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,211
Écart entre enseignants0,202 · 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 source (Gemma direct ou Codex distillé), 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

Citations71
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Functional MaterialsMême sujetSilicon Nanostructures and PhotoluminescenceTravaux en français237 207