Synthesis of boron nitride nanosheets powders using a plasma based bottom-up approach
Notice bibliographique
Résumé
Abstract Boron nitride nanosheets (BNNS) are graphene-like materials with large bandgap and excellent thermal/chemical stability. Current BNNS synthesis methods show low yield and/or purity preventing effective implementation in real-life applications. This work reports two catalyst-free bottom-up approaches for BNNS synthesis using induction thermal plasma. High enthalpy and cooling rates of this plasma allow BNNS to form homogeneously when using solid ammonia borane (AB) as a precursor. In this case, clusters of B x N y H z nucleate to form particles of critical sizes on which BNNS propagate while releasing H 2 . Using boron powders instead of AB produces BNNS through a heterogeneous route. In this case, boron undergoes spheroidization while active nitrogen species diffuse on the liquid surface to form boron nitride nanowalls which propagate into BNNS. The operating pressure and nitrogen loading are shown to control BNNS nucleation and growth and minimize by-products. An optimum operating pressure of 62 kPa provides axial velocities necessary for decomposing AB and melting boron. The synthesis process is well controlled yielding homogeneously grown BNNS of 30 × 30 nm sheet lateral sizes and ∼8 atomic layers, while the heterogeneously grown BNNS are of 100 × 100 nm and ∼20 layers. Both homogeneous and heterogeneous routes lead to BNNS structures showing exceptional crystallinity with defect-free stacking of the BN planes.
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) | 0,000 | 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) | 0,001 | 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 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 ».