Expanding the Repertoire of Molecular Linkages to Silicon: Si–S, Si–Se, and Si–Te Bonds
Notice bibliographique
Résumé
Silicon is the foundation of the electronics industry and is now the basis for a myriad of new hybrid electronics applications, including sensing, silicon nanoparticle-based imaging and light emission, photonics, and applications in solar fuels, among others. From interfacing of biological materials to molecular electronics, the nature of the chemical bond plays important roles in electrical transport and can have profound effects on the electronics of the underlying silicon itself, affecting its work function, among other things. This work describes the chemistry to produce ≡Si-E bonds (E = S, Se, and Te) through very fast microwave heating (10-15 s) and direct thermal heating (hot plate, 2 min) through the reaction of hydrogen-terminated silicon surfaces with dialkyl or diaryl dichalcogenides. The chemistry produces surface-bound ≡Si-SR, ≡Si-SeR, and ≡Si-TeR groups. Although the interfacing of molecules through ≡Si-SR and ≡Si-SeR bonds is known, to the best of our knowledge, the heavier chalcogenide variant, ≡Si-TeR, has not been described previously. The identity of the surface groups was determined by Fourier transform infrared (FTIR) spectroscopy, X-ray photoelectron spectroscopy (XPS), and depth profiling with time-of-flight-secondary ionization mass spectrometry (ToF-SIMS). Possible mechanisms are outlined, and the most likely, based upon parallels with well-established molecular literature, involve surface silyl radicals or dangling bonds that react with either the alkyl or aryl dichalcogenide directly, REER, or its homolysis product, the alkyl or aryl chalcogenyl radical, RE· (where E = S, Se, and Te).
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 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) | 0,001 | 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 | 0,001 | 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 tête enseignante, 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 ».