Gold Nanoparticles Effect on (Bi,Pb)-2223 Superconducting Thin Films
Notice bibliographique
Résumé
<p class="1Body">Superconductor samples were prepared by a conventional solid-state reaction method and systematically studied for their superconducting properties. The Au nanoparticles concentration x varied from 0.0 to 1.0 wt% of the sample's total mass. Those samples were used as targets to prepare Au<sub>x</sub>–Bi<sub>1.7</sub>Pb<sub>0.3</sub>Sr<sub>2</sub>Ca<sub>2</sub>Cu<sub>3</sub>O<sub>10+δ</sub> thin films by pulsed laser deposition (PLD), deposited on Si (111) substrates and post-deposition oxygen annealing have been achieved. The effect of Au nanoparticles (20 nm) on the physical properties of superconducting phase was studied. The phase identification/gross structural characteristics of synthesized bulk and thin films samples explored through powder X-ray diffractometer and reveals that all the samples crystallize in orthorhombic structure In addition, phase examination by XRD indicated that Au nanoparticles enhanced the (Bi,Pb)-2223 phase formation. The critical transition temperature (<em>T<sub>c</sub></em>) measured by the standard DC four-probe method and was found to have optimal value at x=1.0 wt%, which had a maximum enhancement in <em>T<sub>c</sub></em> for both bulk and thin films samples. The surface morphology investigated through scanning electron microscope (SEM) and atomic force microscopy (AFM), the granular investigation showed that both number and size of voids decreased while grains size increased as x increases to 1.0 wt%.</p>
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».