MétaCan
Menu
Retour à la cohorte
Enregistrement W2886331913 · doi:10.1007/s12274-018-2158-x

Nanoscopic imaging of oxidized graphene monolayer using tip-enhanced Raman scattering

2018· article· en· W2886331913 sur OpenAlexfundno aff
Joseph Smolsky, Alexey V. Krasnoslobodtsev

Notice bibliographique

RevueNano Research · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensnon disponible
Organismes subventionnairesBayer Canada
Mots-clésGrapheneRaman spectroscopyMaterials scienceRaman scatteringNanoscopic scaleMonolayerCharacterization (materials science)NanotechnologyOptoelectronicsOptics

Résumé

récupéré en direct d'OpenAlex

Tip-enhanced Raman scattering (TERS) can be used for the structural and chemical characterization of materials with a nanoscale resolution, and offers numerous advantages compared to other forms of imaging. We use TERS to track the local structural features of a CVD-grown graphene monolayer. Ag nanoparticles were added to AFM probes using ion-beam sputtering in order to make them TERS-active. Such modification provides probes with large factors of enhancement and good reproducibility. TERS measurements on graphene show an emergence of a defect-induced D-Raman band and a strain-induced shoulder of the graphene’s G-band. Comparison of TERS results with micro-Raman for oxidized graphene suggests that local oxidation occurs with the introduction of sp3 defects, under TERS conditions.

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)0,002
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 enseignants0,002
Score d'incertitude au seuil0,886

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,085
Tête enseignante GPT0,410
Écart entre enseignants0,325 · 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

Citations16
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano ResearchMême sujetGraphene research and applicationsTravaux en français237 207