MétaCan
Menu
Retour à la cohorte
Enregistrement W2997688223 · doi:10.1038/s41598-019-56719-x

Plasmonics of Diffused Silver Nanoparticles in Silver/Nitride Optical Thin Films

2019· article· en· W2997688223 sur OpenAlexafffund
Yufeng Ye, Joel Y. Y. Loh, Andrew G. Flood, Cong Fang, Joshua Chang, Ruizhi Zhao, Peter Brodersen, Nazir P. Kherani

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGold and Silver Nanoparticles Synthesis and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceDielectricPlasmonAbsorption (acoustics)Silver nanoparticleNanoparticleTransmittanceSurface plasmonDiffusionOptoelectronicsMetalSurface plasmon resonanceNanotechnologyComposite materialMetallurgy

Résumé

récupéré en direct d'OpenAlex

Abstract Metal-dielectric multilayers are versatile optical devices that can be designed to combine the visible transmittance of dielectrics with the electronic properties of metals for plasmonic and meta-material applications. However, their performances are limited by an interfacial optical absorption often attributed entirely to the metal surface roughness. Here, we show that during deposition of AlN/Ag/AlN and SiNx/Ag/SiNx multilayers, significant diffusion of Ag into the top dielectric layer form Ag nanoparticles which excite localized surface plasmon resonances that are primarily responsible for the interfacial optical absorption. Based on experimental depth profiles, we model the multilayer’s silver concentration profile as two complementary error functions: one for the diffused Ag nanoparticles and one for the interface roughness. We apply the Maxwell-Garnett and Bruggeman effective medium theories to determine that diffusion characteristics dominate the experimental absorption spectra. The newfound metal nanoparticle diffusion phenomenon effectively creates a hybrid structure characteristic of both metal-dielectric multilayer and metal-dielectric composite.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,228
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), 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

Citations20
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetGold and Silver Nanoparticles Synthesis and ApplicationsTravaux en français237 207