MétaCan
Menu
Retour à la cohorte
Enregistrement W2760975863 · doi:10.1021/acsnano.7b06228

Dislocations Accelerate Oxygen Ion Diffusion in La<sub>0.8</sub>Sr<sub>0.2</sub>MnO<sub>3</sub> Epitaxial Thin Films

2017· article· en· W2760975863 sur OpenAlexaff
Edvinas Navickas, Yan Chen, Qiyang Lu, Wolfgang Wallisch, Tobias M. Huber, Johannes Bernardi, Michael Stöger‐Pollach, Gernot Friedbacher, Herbert Hutter, Bilge Yildiz, Jürgen Fleig

Notice bibliographique

RevueACS Nano · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnetic and transport properties of perovskites and related materials
Établissements canadiensNexen (Canada)
Organismes subventionnairesBasic Energy SciencesKyushu UniversityAustrian Science Fund
Mots-clésMaterials scienceEpitaxyPulsed laser depositionThin filmIonDiffusionOxygenAnalytical Chemistry (journal)DislocationDopingNanotechnologyOptoelectronicsComposite materialChemistry

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide Revealing whether dislocations accelerate oxygen ion transport is important for providing abilities in tuning the ionic conductivity of ceramic materials. In this study, we report how dislocations affect oxygen ion diffusion in Sr-doped LaMnO 3 (LSM), a model perovskite oxide that serves in energy conversion technologies. LSM epitaxial thin films with thicknesses ranging from 10 nm to more than 100 nm were prepared by pulsed laser deposition on single-crystal LaAlO 3 and SrTiO 3 substrates. The lattice mismatch between the film and substrates induces compressive or tensile in-plane strain in the LSM layers. This lattice strain is partially reduced by dislocations, especially in the LSM films on LaAlO 3 . Oxygen isotope exchange measured by secondary ion mass spectrometry revealed the existence of at least two very different diffusion coefficients in the LSM films on LaAlO 3 . The diffusion profiles can be quantitatively explained by the existence of fast oxygen ion diffusion along threading dislocations that is faster by up to 3 orders of magnitude compared to that in LSM bulk.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,023
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,013
Tête enseignante GPT0,223
Écart entre enseignants0,210 · 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

Citations109
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetMagnetic and transport properties of perovskites and related materialsTravaux en français237 207