Self‐Assembled Epitaxial Ferroelectric Oxide Nanospring with Super‐Scalability
Notice bibliographique
Résumé
Abstract Oxide nanosprings have attracted many research interests because of their anticorrosion, high‐temperature tolerance, oxidation resistance, and enhanced‐mechanic‐response from unique helix structures, enabling various applications like nanomanipulators, nanomotors, nanoswitches, sensors, and energy harvesters. However, preparing oxide nanosprings is a challenge for their intrinsic lack of elasticity. Here, an approach for preparing self‐assembled, epitaxial, ferroelectric nanosprings with built‐in strain due to the lattice mismatch in freestanding La 0.7 Sr 0.3 MnO 3 /BaTiO 3 (LSMO/BTO) bilayer heterostructures is developed. It is found that these LSMO/BTO nanosprings can be extensively pulled or pushed up to their geometrical limits back and forth without breaking, exhibiting super‐scalability with full recovery capability. The phase‐field simulations reveal that the excellent scalability originates from the continuous ferroelastic domain structures, resulting from twisting under co‐existing axial and shear strains. In addition, the oxide heterostructural springs exhibit strong resilience due to the limited plastic deformation nature and the built‐in strain between the bilayers. This discovery provides an alternative way for preparing and operating functional oxide nanosprings that can be applied to various technologies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».