MétaCan
Menu
Retour à la cohorte
Enregistrement W2808339523 · doi:10.1021/acsnano.8b02307

Ultrashort Carbon Nanotubes That Fluoresce Brightly in the Near-Infrared

2018· article· en· W2808339523 sur OpenAlexfundno aff
Noémie Danné, Mijin Kim, Antoine G. Godin, Hyejin Kwon, Zhenghong Gao, Xiaojian Wu, Nicolai F. Hartmann, Stephen K. Doorn, Brahim Lounis, YuHuang Wang, Laurent Cognet

Notice bibliographique

RevueACS Nano · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensnon disponible
Organismes subventionnairesDivision of ChemistryU.S. Department of EnergyOffice of ScienceAgence Nationale de la RechercheCentre National de la Recherche ScientifiqueCenter for Integrated NanotechnologiesMinistère de l'Enseignement Supérieur et de la RechercheOttawa Hospital Research InstituteNational Science Foundation
Mots-clésPhotoluminescenceCarbon nanotubeExcitonMaterials scienceInfraredNanotubeFluorescenceNanotechnologyOptical properties of carbon nanotubesOptoelectronicsOpticsPhysicsCondensed matter physics

Résumé

récupéré en direct d'OpenAlex

The intrinsic near-infrared photoluminescence observed in long single-walled carbon nanotubes is known to be quenched in ultrashort nanotubes due to their tiny size as compared to the exciton diffusion length in these materials (>100 nm). Here, we show that intense photoluminescence can be created in ultrashort nanotubes (∼40 nm length) upon incorporation of exciton-trapping sp3 defect sites. Using super-resolution photoluminescence imaging at <25 nm resolution, we directly show the preferential localization of excitons at the nanotube ends, which separate by less than 40 nm and behave as independent emitters. This unexpected observation opens the possibility to synthesize fluorescent ultrashort nanotubes—a goal that has been long thought impossible—for bioimaging applications, where bright near-infrared photoluminescence and small size are highly desirable, and for quantum information science, where high quality and well-controlled near-infrared single photon emitters are needed.

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 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 enseignants0,021
Score d'incertitude au seuil0,710

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,015
Tête enseignante GPT0,249
Écart entre enseignants0,234 · 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

Citations92
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetCarbon Nanotubes in CompositesTravaux en français237 207