MétaCan
Menu
Retour à la cohorte
Enregistrement W2561154185 · doi:10.1088/1361-6528/28/3/035707

Effect of nanocavities on Ge nanoclustering and out-diffusion in SiO<sub>2</sub>

2016· article· en· W2561154185 sur OpenAlexaff
Chen Li, Honglei Feng, Bin Liu, Wenshuang Liang, Guiju Liu, Guy G. Ross, Yiqian Wang, David Barba

Notice bibliographique

RevueNanotechnology · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSilicon Nanostructures and Photoluminescence
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesNational Key Research and Development Program of China
Mots-clésMaterials scienceNanocrystalGermaniumAnnealing (glass)Transmission electron microscopyHigh-resolution transmission electron microscopyIonDiffusionNanotechnologyIon implantationChemical engineeringOptoelectronicsSiliconComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Germanium nanocrystals (Ge-ncs) were synthesized by implantation of Ge + ions into the fused silica, followed by a thermal annealing at 1000 °C. High-resolution transmission electron microscopy was employed to characterize both the morphology of the formed Ge-ncs and the evolution of their depth-distribution as a function of annealing durations. The formation of nanocavities in the vicinity of nanocrystal/SiO 2 interface is evidenced, as well as their influence on the release of the compressive stress exerted on Ge-ncs by surrounding SiO 2 . Some Ge-ncs are found inside nanocavities, and can move into the implanted layer through a nanocavity-assisted diffusion mechanism. This finding sheds light on a new process that can explain the non-uniformity of the Ge-nanocrystal spatial distribution.

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 enseignants0,034
Score d'incertitude au seuil0,487

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 Opus0,005
Tête enseignante GPT0,223
Écart entre enseignants0,218 · 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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetSilicon Nanostructures and PhotoluminescenceTravaux en français237 207