MétaCan
Menu
Retour à la cohorte
Enregistrement W2794946694 · doi:10.1021/acs.langmuir.7b03746

Superhydrophobic Silicon Nanocrystal–Silica Aerogel Hybrid Materials: Synthesis, Properties, and Sensing Application

2018· article· en· W2794946694 sur OpenAlexafffund
Julian Kehrle, Tapas K. Purkait, Simon Kaiser, Konstantinos N. Raftopoulos, Malte Winnacker, Theresa Ludwig, Maryam Aghajamali, Marianne Hanzlik, Katia Rodewald, Tobias Helbich, Christine M. Papadakis, Jonathan G. C. Veinot, Bernhard Rieger

Notice bibliographique

RevueLangmuir · 2018
Typearticle
Langueen
DomaineChemistry
ThématiqueAerogels and thermal insulation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaStudienstiftung des Deutschen VolkesDeutsche Forschungsgemeinschaft
Mots-clésPhotoluminescenceAerogelMaterials scienceNanocrystalNanotechnologyHybrid materialSiliconCovalent bondSinc functionPorous siliconChemical engineeringOptoelectronicsChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Silicon nanocrystals (SiNCs) are abundant and exhibit exquisitely tailorable optoelectronic properties. The incorporation of SiNCs into highly porous and lightweight substrates such as aerogels leads to hybrid materials possessing the attractive features of both materials. This study describes the covalent deposition of SiNCs on and intercalation into silica aerogels, explores the properties, and demonstrates a prototype sensing application of the composite material. SiNCs of different sizes were functionalized with triethoxyvinylsilane (TEVS) via a radical grafting approach and subsequently used for the synthesis of photoluminescent silica hybrids. The resulting SiNC-containing aerogels possess high porosities, SiNC-based size-dependent photoluminescence, transparency, and a superhydrophobic macroscopic surface. The materials were used to examine the photoluminescence response toward low concentrations of 3-nitrotoluene (270 μM), demonstrating their potential as a sensing platform for high-energy materials.

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 enseignants0,009
Score d'incertitude au seuil0,533

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,018
Tête enseignante GPT0,210
Écart entre enseignants0,192 · 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

Citations31
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetAerogels and thermal insulationTravaux en français237 207