MétaCan
Menu
Retour à la cohorte
Enregistrement W2589042227 · doi:10.1088/1361-6528/aa613e

A novel field emission microscopy method to study field emission characteristics of freestanding carbon nanotube arrays

2017· article· en· W2589042227 sur OpenAlexaff
Yunhan Li, Yonghai Sun, David A. Jaffray, John T. W. Yeow

Notice bibliographique

RevueNanotechnology · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensPrincess Margaret Cancer CentreUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCommon emitterMaterials scienceCarbon nanotubeField electron emissionJoule heatingNanotechnologyOptoelectronicsComposite material

Résumé

récupéré en direct d'OpenAlex

Field emission (FE) uniformity and the mechanism of emitter failure of freestanding carbon nanotube (CNT) arrays have not been well studied due to the difficulty of observing and quantifying FE performance of each emitter in CNT arrays. Herein a field emission microscopy (FEM) method based on poly(methyl methacrylate) (PMMA) thin film is proposed to study the FE uniformity and CNT emitter failure of freestanding CNT arrays. FE uniformity of freestanding CNT arrays and different levels of FE current contributions from each emitter in the arrays are recorded and visualized. FEM patterns on the PMMA thin film contain the details of the CNT emitter tip shape and whether multiple CNT emitters occur at an emission site. Observation of real-time FE performance and the CNT emitter failure process in freestanding CNT arrays are successfully achieved using a microscopic camera. High emission currents through CNT emitters causes Joule heating and light emission followed by an explosion of the CNTs. The proposed approach is capable of resolving the major challenge of building the relationship between FE performance and CNT morphologies, which can significantly facilitate the study of FE non-uniformity, the emitter failure mechanism and the development of stable and reliable FE devices in practical applications.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,013
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,000
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 Opus0,020
Tête enseignante GPT0,332
Écart entre enseignants0,312 · 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.

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

Citations23
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetCarbon Nanotubes in CompositesTravaux en français237 207