Small Silicon, Big Opportunities: The Development and Future of Colloidally‐Stable Monodisperse Silicon Nanocrystals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nanomaterials are becoming increasingly widespread in consumer technologies, but there is global concern about the toxicity of nanomaterials to humans and the environment as they move rapidly from the research laboratory to the market place. With this in mind, it makes sense to intensify the nanochemistry community's global research effort on the synthesis and study of nanoparticles that are purportedly "green". One potentially green nanoparticle that seems to be a most promising candidate in this context is silicon, whose appealing optical, optoelectronic, photonic, and biomedical attributes are recently gaining much attention. In this paper, we outline some of our recent contributions to the development of the growing field of silicon nanocrystals (ncSi) in order to stress the importance of continued study of ncSi as a green alternative to the archetypal semiconductor nanocrystals like CdSe, InAs, and PbS. While a variety of developments in synthetic methods, characterization techniques, and applications have been reported in recent years, the ability to prepare colloidally-stable monodisperse ncSi samples may prove to have the largest impact on the field, as it opens the door to study and access the tunable size-dependent properties of ncSi. Here, we summarize our recent contributions in size-separation methods to achieve monodisperse samples, the characterization of size-dependant property trends, the development of ncSi applications, and their potential impact on the promising future of ncSi.
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.
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 | 0,001 | 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 découle