Magnesiothermic Reduction of Thin Films: Towards Semiconducting Chiral Nematic Mesoporous Silicon Carbide and Silicon Structures
Notice bibliographique
Résumé
There is a growing demand for new methods to prepare porous Si‐based materials for applications in optoelectronic and microelectronic devices. In this work, the preparation of SiC and Si from magnesiothermic reduction of chiral nematic SiO2/C composites and mesoporous SiO2, respectively, is reported. The SiO2/C composites are prepared by cocondensing SiO2 with cellulose nanocrystals (CNCs) followed by pyrolysis. The magnesiothermic reduction of the composites produces SiC after prolonged solid‐state reaction, with mixed MgC2/SiC intermediates. Iridescent mesoporous tetragonal MgC2/SiC structures that retain the long‐range twisted organization of the starting composites transform to mesoporous cubic SiC with a chiral nematic hierarchical structure, but with some loss of order. On the other hand, the magnesiothermic reduction of the chiral nematic mesoporous SiO2 templated from CNCs affords mesoporous Si materials with a layered hierarchical structure. The structural properties and the conductivity of the products, as well as the reaction pathways by analysis of the materials at intermediate stages, are investigated. These experimental results show that the magnesiothermic reduction is a promising way to obtain new porous semiconducting materials with chiral nematic structures.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».