Exploration of Organic Acid Chain Length on Water-Soluble Silicon Quantum Dot Surfaces
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
Surface functionalization of silicon quantum dots influences oxidation of the silicon core while affording control of physical properties and maintaining optical stability. An effective method for surface modification is photochemical hydrosilylation in which the hydride-terminated Si surface is reacted with an unsaturated C-C bond resulting in a covalent Si-C bond at the surface. The physical properties (e.g., reactivity and solvent compatibility) of the nanocrystals are thus dictated by those of the pendant functional group. Water-soluble nanoparticles can be produced by extending polar functional groups, such as carboxylic acids, from the surface. Previous literature reports have shown acrylic acid to be an attractive starting material for creating water-soluble Si nanocrystals. To date, a detailed study of the effects of differing surface groups (i.e., carboxylic acids of varying carbon chain lengths) has not been offered. Here, we investigate the effects of carboxylic acid surface moieties with increasing carbon chain length on various silicon nanocrystal properties. Oxidative and optical stability was improved by increasing the length of the carbon spacer between the silicon surface and the polar carboxylic acid group. As well, increased chain length was found to enhance nanocrystal dispersibility in polar solvents. Of important note, however, the use of acrylic acid as a precursor led to poly(acrylic acid) formation under the reaction conditions studied, leading to anomalous behavior compared to precursors with longer carbon chains.
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 | 0,000 | 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 découle