MétaCan
Menu
Retour à la cohorte
Enregistrement W2126554098 · doi:10.1088/0957-4484/26/24/242001

Nanotube field electron emission: principles, development, and applications

2015· article· en· W2126554098 sur OpenAlexaff
Yunhan Li, Yonghai Sun, John T. W. Yeow

Notice bibliographique

RevueNanotechnology · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensPrincess Margaret Cancer CentreUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésField electron emissionThermionic emissionMaterials scienceCarbon nanotubeCommon emitterNanotechnologyEngineering physicsField (mathematics)NanotubeElectronOptoelectronics

Résumé

récupéré en direct d'OpenAlex

There is a growing trend to apply field emission (FE) electron sources in vacuum electronic devices due to their fast response, high efficiency and low energy consumption compared to thermionic emission ones. Carbon nanotubes (CNTs) have been regarded as a promising class of electron field emitters since the 1990s and have promoted the development of FE technology greatly because of their high electrical and thermal conductivity, chemical stability, high aspect ratio and small size. Recent studies have shown that FE from CNTs has the potential to replace conventional thermionic emission in many areas and that it exhibits advanced features in practical applications. Consequently, FE from nanotubes and applications thereof have attracted much attention. This paper provides a comprehensive review of both recent advances in CNT field emitters and issues related to applications of CNT based FE. FE theories and principles are introduced, and the early development of field emitters is related. CNT emitter types and their FE performance are discussed. The current situation for applications based on nanotube FE is reviewed. Although challenges remain, the tremendous progress made in CNT FE over the past ten years indicates the field's development potential.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,023
Tête enseignante GPT0,266
Écart entre enseignants0,243 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations95
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetCarbon Nanotubes in CompositesTravaux en français237 207