MétaCan
Menu
Retour à la cohorte
Enregistrement W2562184774 · doi:10.5539/jmsr.v6n1p44

Electrochromic Properties of Sputtered Iridium Oxide Thin Films with Various Film Thicknesses

2016· article· en· W2562184774 sur OpenAlexvenueno aff
Yoshio Abe, Satoshi Ito, Kyung Ho Kim, Midori Kawamura, Takayuki Kiba

Notice bibliographique

RevueJournal of Materials Science Research · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueTransition Metal Oxide Nanomaterials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectrochromismMaterials scienceTransmittanceAmorphous solidThin filmColoredSputteringIridiumOxideOptoelectronicsAbsorption (acoustics)WavelengthOpticsComposite materialElectrodeNanotechnologyMetallurgy

Résumé

récupéré en direct d'OpenAlex

Iridium oxide is an anodic electrochromic material, which takes on a blue-black color through electrochemical oxidation and turns to transparent via reduction. Hydrated amorphous Ir oxide thin films with various thicknesses from 20 to 400 nm were prepared by reactive sputtering in a H2O atmosphere, and their transmittance spectra in both the bleached and colored states as well as their response times were examined in this study. The bleached and colored transmittances decreased with increasing film thickness according to Lambert’s law, and the absorption coefficients in the bleached and colored states were estimated to be 3.2 ´ 103 and 1.1 ´ 105 cm-1, respectively, at a wavelength of 600 nm. The results point to almost all the Ir atoms being electrochemically active and contributing to the color change. A maximum transmittance change of 81% was obtained for the 400 nm-thick film. Further, there was a trade-off between the response speed and the transmittance change. The response speed slowed down with increasing the film thickness, while the coloring and bleaching response time for the thick films was several tens of seconds.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,049
Tête enseignante GPT0,313
Écart entre enseignants0,263 · 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 source (Gemma direct ou Codex distillé), 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

Citations13
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetTransition Metal Oxide NanomaterialsTravaux en français237 207