Plasmonic Stamps Fabricated by Gold Dewetting on PDMS for Catalyzing Hydrosilylation on Silicon Surfaces
Notice bibliographique
Résumé
Plasmonic stamps are harnessed to drive surface chemistry on silicon. The plasmonic stamps were prepared by sputtering gold films on PDMS, followed by thermal annealing to dewet the gold and form gold nanoparticles. By changing the film thickness of the sputtered gold, the approximate size and shape of these gold nanoparticles can be changed, leading to a shift of the optical absorbance maximum of the plasmonic stamp, from 535 to 625 nm. Applying the plasmonic stamp to a Si(111)-H surface using 1-dodecene as the ink, illumination with green light results in covalent attachment of 1-dodecyl groups to the surface. Of the dewetted gold films on PDMS used to make the plasmonic stamps, the thinnest three (5.0, 7.0, and 9.2 nm) resulted in the most effective plasmonic stamps for hydrosilylation. The thicker stamps had lower efficacy due to the increased fraction of nonspherical particles, which have lower energy localized surface plasmon resonances (LSPRs) that are not excited by green light. Because the electric field generated by the LSPR should be very local, hydrosilylation on the silicon surface should only take place within close proximity of the gold particles on the plasmonic stamps. To complement AFM imaging of the hydrosilylated silicon surfaces, galvanic displacement of gold(III) salts on the silicon was performed and the samples were imaged by SEM—the domains of hydrosilylated alkyl chains would be expected to block the deposition of gold. The bright areas of metallic gold surround dark spots, with the sizes and spacing of these dark spots increasing with the size of the gold particles on the plasmonic stamps. These results underline the central role played by the LSPR in driving the hydrosilylation on silicon surfaces, mediated with plasmonic stamps.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».