Formation of metal–semiconductor nanowire heterojunctions by nanosecond laser irradiation
Notice bibliographique
Résumé
Laser nano-joining has emerged as a preferred technique for better device performance as it can result in stronger mechanical contacts and enhance the electrical properties between nanocomponents. It is often used to bond metallic nanostructures, but there is little information available on the applicability of the corresponding processes for creating hybrid bonds between metal and semiconductor nanomaterials. In this article, we show that Nd:YAG nanosecond (ns) laser irradiation is an effective tool for use in the nano-joining of metal–semiconductor nanowire (NW) combinations. We show that photothermal, electron–hole pair creation and plasmonic effects combine to facilitate nano-joining with Nd:YAG ns laser radiation, producing similar interfacial structures to those occurring under femtosecond laser irradiation. We find that Nd:YAG laser irradiation is effective in the production of bonds between Ag–TiO2 and Ag–CuO NW structures but that the detailed mechanism involved in the creation of these bonds depends on the bandgap energy of the semiconductor NW. Direct heating of the semiconductor through photoexcitation of excitons and electron transfer to the conduction band is significant in the Nd:YAG laser nano-joining of low bandgap materials such as CuO. Coupling of surface plasmon resonance energy to electrical carriers in the semiconductor NW at the Ag-semiconductor interface is found to be important in all hybrid systems, including those involving a wide bandgap material such as TiO2. Since the Nd:YAG ns laser is widely available, these results suggest that nano-joining of heterogeneous materials with ns laser pulses is a practical alternative to joining with ultrashort laser radiation.
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 | 0,000 | 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 | 0,001 |
| 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 | 0,000 |
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 ».