MétaCan
Menu
Retour à la cohorte
Enregistrement W2976869784 · doi:10.1021/acsanm.9b01514

Sonication-Enhanced Alignment Relay Technique for the Orientation of Single-Walled Carbon Nanotubes

2019· article· en· W2976869784 sur OpenAlexafffund
Monika R. Snowdon, Serxho Selmani, Derek J. Schipper

Notice bibliographique

RevueACS Applied Nano Materials · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesWaterloo Institute for Nanotechnology, University of WaterlooUniversity of WaterlooNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésCarbon nanotubeSonicationMaterials scienceMiniaturizationNanotechnologyNanotubeMicrofluidicsRelayOptoelectronicsChemical engineering

Résumé

récupéré en direct d'OpenAlex

The high demand for thin, lightweight yet fast and efficient devices is a driving force behind the miniaturization trend in the electronics industry. Specifically, the advancement of semiconducting single-walled carbon nanotubes (SWNTs) can continue to revolutionize transistors, although there are still many challenges ahead. We have previously reported an alignment relay technique (ART) that is capable of simultaneously controlling the alignment, length, and diameter of surface deposited SWNTs. However, the current technique yields inconsistencies in orientation, lengths of tubes, and their density. Here, we present a reviewed ART protocol that includes sonication for improved selectivity. We show that the SWNTs average alignment increased from 40% to 77% within a 10° range in orientation with sonication times as low as 5 min. Sonication generated larger diameter nanotubes on the surface, with a preference for semiconducting chiral tubes in the range of 1.44–1.61 nm in diameter. Consequently, simple alterations to the standard alignment relay technique can prove to be prosperous in improving selectivity and orientational control of single-walled carbon nanotubes. This work has direct impact for the simultaneous control of nanotube alignment and nanotube chiralities.

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 enseignants0,007
Score d'incertitude au seuil0,774

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 technologies0,0000,000
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 Opus0,011
Tête enseignante GPT0,244
Écart entre enseignants0,233 · 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

Citations11
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Nano MaterialsMême sujetCarbon Nanotubes in CompositesTravaux en français237 207