MétaCan
Menu
Retour à la cohorte
Enregistrement W2757469015 · doi:10.25177/jnms.1.1.1

Controlled Crystal-Growth and Structures of Silicon Nanowires for smart applications

2017· article· en· W2757469015 sur OpenAlexaff
Brahim Aïssa, Maha M. Khayyat, Esam H. Abdul-Hafidh, Mourad Nedil

Notice bibliographique

RevueSDRP Journal of Nanotechnology & Material Science · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueNanowire Synthesis and Applications
Établissements canadiensUniversité TÉLUQUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesnon disponible
Mots-clésSilicon nanowiresNanowireMaterials scienceSiliconNanotechnologyCrystal growthEngineering physicsOptoelectronicsEngineeringCrystallographyChemistry

Résumé

récupéré en direct d'OpenAlex

One-dimensional nanostructures such as semiconductor nanowires (NWs) are attractive building blocks due to their promising physical properties and potential as active materials in future electronic and optoelectronic applications.The Crystal growth of nanowires occurs mainly at the interfaces between the growing crystals and the supply media.This article reports on the silicon nanowires grown using a vapor-liquid-solid (VLS) concept.One of the key advantages and the beauty of VLS is that controlled placement or templating of the seed metal produces consequently templated NW growth.This templating is highly required for direct integration of NWs into nanodevices for various smart applications, including sensors, actuators, thermoelectricity generation and photovoltaics.We discuss the major questions related to the discovery of fundamentally new phenomena versus performance benchmarking for many of the Si-NWs applications.Finally we attempt to look into the future and discuss our opinion regarding the upcoming trends in NW research.

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 seuil0,005

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

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 Opus0,008
Tête enseignante GPT0,243
Écart entre enseignants0,235 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSDRP Journal of Nanotechnology & Material ScienceMême sujetNanowire Synthesis and ApplicationsTravaux en français237 207