MétaCan
Menu
Retour à la cohorte
Enregistrement W3159879219 · doi:10.1088/1361-6528/abfee7

Pulsed laser-induced dewetting and thermal dewetting of Ag thin films for the fabrication of Ag nanoparticles

2021· article· en· W3159879219 sur OpenAlexafffund
Linh Quy Ly, Alison Joy Fulton, Stephanie Nicole Bonvicini, Yujun Shi

Notice bibliographique

RevueNanotechnology · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Thin Films
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDewettingMaterials scienceNucleationFluenceFabricationMetastabilityThin filmNanoparticleNanotechnologyIrradiationLaserComposite materialOptoelectronicsOpticsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Two different dewetting methods, namely pulsed laser-induced dewetting (PLiD)-a liquid-state dewetting process and thermal dewetting (TD)-a solid-state dewetting process, have been systematically explored for Ag thin films (1.9-19.8 nm) on Si substrates for the fabrication of Ag nanoparticles (NPs) and the understanding of dewetting mechanisms. The effect of laser fluence and irradiation time in PLiD and temperature and duration in TD were investigated. A comparison of the produced Ag NP size distributions using the two methods of PLiD and TD has shown that both produce Ag NPs of similar size with better size uniformity for thinner films (<6 nm), whereas TD produced bigger Ag NPs for thicker films (≥8-10 nm) as compared to PLiD. As the film thickness increases, the Ag NP size distributions from both PLiD and TD show a deviation from the unimodal distributions, leading to a bimodal distribution. The PLiD process is governed by the mechanism of nucleation and growth of holes due to the formation of many nano-islands from the Volmer-Weber growth of thin films during the sputtering process. The investigation of thickness-dependent NP size in TD leads to the understanding of void initiation due to pore nucleation at the film-substrate interface. Furthermore, the linear dependence of NP size on thickness in TD provides direct evidence of fingering instability, which leads to the branched growth of voids.

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 enseignants0,001
Score d'incertitude au seuil0,002

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 recherche0,0000,001
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 Opus0,010
Tête enseignante GPT0,213
Écart entre enseignants0,202 · 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

Citations19
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetFluid Dynamics and Thin FilmsTravaux en français237 207