Substructure imaging of heterogeneous nanomaterials with enhanced refractive index contrast by using a functionalized tip in photoinduced force microscopy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The opto-mechanical force response from light-illuminated nanoscale materials has been exploited in many tip-based imaging applications to characterize various heterogeneous nanostructures. Such a force can have two origins: thermal expansion and induced dipoles. The thermal expansion reflects the absorption of the material, which enables one to chemically characterize a material at the absorption resonance. The induced dipole interaction reflects the local refractive indices of the material underneath the tip, which is useful to characterize a material in the spectral region where no absorption resonance occurs, as in the infrared (IR)-inactive region. Unfortunately, the dipole force is relatively small, and the contrast is rarely discernible for most organic materials and biomaterials, which only show a small difference in refractive indices for their components. In this letter, we demonstrate that refractive index contrast can be greatly enhanced with the assistance of a functionalized tip. With the enhanced contrast, we can visualize the substructure of heterogeneous biomaterials, such as a polyacrylonitrile-nanocrystalline cellulose (PAN-NCC) nanofiber. From substructural visualization, we address the issue of the tensile strength of PAN-NCC fibers fabricated by several different mixing methods. Our understanding from the present study will open up a new opportunity to provide enhanced sensitivity for substructure mapping of nanobiomaterials, as well as local field mapping of photonic devices, such as surface polaritons on semiconductors, metals and van der Waals 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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