MétaCan
Menu
Retour à la cohorte
Enregistrement W2579243221 · doi:10.1038/srep40658

Strain Gradient Modulated Exciton Evolution and Emission in ZnO Fibers

2017· article· en· W2579243221 sur OpenAlexaff
Bin Wei, Yuan Ji, Raynald Gauvin, Ze Zhang, Jin Zou, Xiaodong Han

Notice bibliographique

RevueScientific Reports · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueZnO doping and properties
Établissements canadiensMcGill University
Organismes subventionnairesBeijing University of TechnologyNational Natural Science Foundation of China
Mots-clésExcitonMaterials scienceNanowireLight emissionDeformation (meteorology)PhotoluminescenceOptoelectronicsStrain (injury)Band gapSemiconductorLuminescenceMolecular physicsChemical physicsCondensed matter physicsComposite materialChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract One-dimensional semiconductor can undergo large deformation including stretching and bending. This homogeneous strain and strain gradient are an easy and effective way to tune the light emission properties and the performance of piezo-phototronic devices. Here, we report that with large strain gradients from 2.1–3.5% μm −1 , free-exciton emission was intensified, and the free-exciton interaction (FXI) emission became a prominent FXI-band at the tensile side of the ZnO fiber. These led to an asymmetric variation in energy and intensity along the cross-section as well as a redshift of the total near-band-edge (NBE) emission. This evolution of the exciton emission was directly demonstrated using spatially resolved CL spectrometry combined with an in situ tensile-bending approach at liquid nitrogen temperature for individual fibers and nanowires. A distinctive mechanism of the evolution of exciton emission is proposed: the enhancement of the free-exciton-related emission is attributed to the aggregated free excitons and their interaction in the narrow bandgap in the presence of high bandgap gradients and a transverse piezoelectric field. These results might facilitate new approaches for energy conversion and sensing applications via strained nanowires and fibers.

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)0,002
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 enseignants0,473
Score d'incertitude au seuil0,680

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,023
Tête enseignante GPT0,255
Écart entre enseignants0,232 · 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

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetZnO doping and propertiesTravaux en français237 207