MétaCan
Menu
Retour à la cohorte
Enregistrement W3214065712 · doi:10.1021/acsanm.1c02754

Hydrogenated Silicon Nanoclusters with a Permanent Electric Dipole Moment for the Controlled Assembly of Silicon-Based Nanostructures

2021· article· en· W3214065712 sur OpenAlexaff
Fatme Jardali, Bryan P. Keary, Tatiana Perrotin, François Silva, Jean‐Charles Vanel, Yvan Bonnassieux, Stéphane Mazouffre, Albert A. Ruth, Mohamed E. Leulmi, Holger Vach

Notice bibliographique

RevueACS Applied Nano Materials · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueDiamond and Carbon-based Materials Research
Établissements canadiensConcordia University
Organismes subventionnairesCentre National de la Recherche ScientifiqueScience Foundation Ireland
Mots-clésNanoclustersSiliconMaterials scienceDipoleNanotechnologySubstrate (aquarium)Electric dipole momentMoment (physics)NanostructureEvaporationOptoelectronicsChemistryPhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

While silicon nanoclusters have extensively been used for their outstanding properties for many decades, never before has their dipole moment been exploited for any application. Here, we have succeeded in producing hydrogenated silicon nanoclusters with a strong permanent electric dipole moment. This dipole moment allows us to use electric fields in order to orient and guide individual clusters. As a first example, we demonstrate the catalyst-free one-by-one self-assembly of one of the thinnest silicon nanowires yet observed. As a second example, we show that the simple presence of those nanoclusters on LaB6 cathodes leads to a 30-fold enhancement of the thermionic electron current density over pristine LaB6. Last but not least, the nanoclusters provide a protective layer against chemical and mechanical attack and largely prevent the evaporation of substrate materials, potentially increasing the operational lifetime of cathodes substantially.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,004
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,239
Écart entre enseignants0,230 · 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.

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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Applied Nano MaterialsMême sujetDiamond and Carbon-based Materials ResearchTravaux en français237 207