MétaCan
Menu
Retour à la cohorte
Enregistrement W2308743173 · doi:10.1039/c5nr09192f

Selective modification of nanoparticle arrays by laser-induced self assembly (MONA-LISA): putting control into bottom-up plasmonic nanostructuring

2016· article· en· W2308743173 sur OpenAlexfundno aff
N. Kalfagiannis, A Siozios, Dimitris V. Bellas, Dimosthenis Toliopoulos, Leon Bowen, N. Pliatsikas, W. M. Cranton, C. Kosmidis, Demosthenes C. Koutsogeorgis, Elefterios Lidorikis, P. Patsalas

Notice bibliographique

RevueNanoscale · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGold and Silver Nanoparticles Synthesis and Applications
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development FundEuropean CommissionNottingham Trent UniversityHigher Education Funding Council for EnglandEuropean Social FundTrent University
Mots-clésMaterials scienceNanoparticlePlasmonNanotechnologyLaserThin filmOptoelectronicsChemical engineeringOpticsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Nano-structuring of metals is one of the greatest challenges for the future of plasmonic and photonic devices. Such a technological challenge calls for the development of ultra-fast, high-throughput and low-cost fabrication techniques. Laser processing, accounts for the aforementioned properties, representing an unrivalled tool towards the anticipated arrival of modules based in metallic nanostructures, with an extra advantage: the ease of scalability. In the present work we take advantage of the ability to tune the laser wavelength to either match the absorption spectral profile of the metal or to be resonant with the plasma oscillation frequency, and demonstrate the utilization of different optical absorption mechanisms that are size-selective and enable the fabrication of pre-determined patterns of metal nanostructures. Thus, we overcome the greatest challenge of Laser Induced Self Assembly by combining simultaneously large-scale character with atomic-scale precision. The proposed process can serve as a platform that will stimulate further progress towards the engineering of plasmonic devices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,005
Score d'incertitude au seuil0,628

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,237
Écart entre enseignants0,225 · 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 tête enseignante, 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

Citations44
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetGold and Silver Nanoparticles Synthesis and ApplicationsTravaux en français237 207