Role of Hydrogen and Nitrogen on the Surface Chemical Structure of Bioactive Amorphous Silicon Oxynitride Films
Notice bibliographique
Résumé
Silicon oxynitride (Si–O–N) is a new biomaterial in which its O/N ratio is tunable for variable Si release and its subsequent endocytotic incorporation into native hydroxyapatite for enhanced bone healing. However, the effect of nitrogen and hydrogen bonding on the formation and structure of hydroxyapatite is unclear. This study aims to uncover the roles of H and N in tuning Si–O–N surface bioactivity for hydroxyapatite formation. Conformal Si–O–N films were fabricated by plasma-enhanced chemical vapor deposition (PECVD) onto Ti/Si substrates. Fourier transform infrared spectroscopy (FTIR) and Rutherford backscattering spectrometry (RBS) analysis indicated increased Si–H and N–H bonding with increased N content. Surface energy decreased with increased N content. X-ray absorbance near edge structure (XANES) analysis showed tetrahedral coordination in O-rich films and trigonal coordination in N-rich films. O-rich films exhibited a 1:1 ratio of 2p 3/2 to 2p 1/2 electron absorbance, while this ratio was 1.73:1 for N-rich films. Both Si and N had a reduced partial charge for both O- and N-rich films, whereas O maintained its partial charge for either film. O-rich films were found to exhibit random bonding Si z O x N y, while N-rich films exhibited random mixing: [Si–Si]–[Si–O]–[Si–N]. Thus, hydrogen bonding limits random nitrogen bonding in Si–O–N films via surface Si–H and N–H bonding. Moreover, increased nitrogen content reduces the partial charge of constituent elements and changes the bonding structure from random bonding to random mixing.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».