MétaCan
Menu
Retour à la cohorte
Enregistrement W2619556506 · doi:10.1039/c7nr02265d

In situ IR-spectroscopy as a tool for monitoring the radical hydrosilylation process on silicon nanocrystal surfaces

2017· article· en· W2619556506 sur OpenAlexafffund
Julian Kehrle, Simon Kaiser, Tapas K. Purkait, Malte Winnacker, Tobias Helbich, Sergei I. Vagin, Jonathan G. C. Veinot, Bernhard Rieger

Notice bibliographique

RevueNanoscale · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSilicon Nanostructures and Photoluminescence
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaDeutsche Forschungsgemeinschaft
Mots-clésSurface modificationHydrosilylationGraftingMaterials sciencePolymer chemistryTrichlorosilaneFourier transform infrared spectroscopyChemistryChemical engineeringPhotochemistrySiliconOrganic chemistryCatalysisPolymerPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Among a variety of SiNC functionalization methods, radical initiated grafting is very promising due to its straightforward nature and low propensity to form surface oligomers. In the present study, we employed in situ IR spectroscopy in combination with visible light transmittance measurements to investigate the radical induced grafting process on the well-defined SiNCs. Our findings support the proposed model: unfunctionalized hydride-terminated SiNCs form agglomerates in organic solvents, which break up during the grafting process. However, clearing of the dispersion is not a valid indicator for complete surface functionalization. Furthermore, radical-initiated grafting reactions in which azobisisobutyronitrile (AIBN) is the initiator are strongly influenced by external factors including initiator concentration, grafting temperature, as well as substrate steric demand. The monomer concentration was proven to have a low impact on the grafting process. Based on these new insights an underlying mechanism could be discussed, offering an unprecedented view on the functionalization of SiNC surfaces via radical initiated hydrosilylation.

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 enseignants0,022
Score d'incertitude au seuil0,531

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,014
Tête enseignante GPT0,299
Écart entre enseignants0,285 · 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

Citations10
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetSilicon Nanostructures and PhotoluminescenceTravaux en français237 207