MétaCan
Menu
Retour à la cohorte
Enregistrement W4235713739 · doi:10.26434/chemrxiv.7364696

Tunable Plasmonic Colours by Atomic Layer Deposition of Alumina

2018· preprint· en· W4235713739 sur OpenAlexaff
Jean‐Michel Guay, Antonio Calà Lesina, Graham Killaire, Peter C. Gordon, Choloong Hahn, Seán T. Barry, Lora Ramunno, Pierre Berini, Arnaud Weck

Notice bibliographique

RevueChemRxiv · 2018
Typepreprint
Langueen
DomaineEngineering
ThématiquePlasmonic and Surface Plasmon Research
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésAtomic layer depositionDeposition (geology)HueLayer (electronics)Materials sciencePlasmonOpticsColor spaceRadiometric datingStructural colorationOptoelectronicsNanotechnologyPhotonic crystalPhysicsGeologyRemote sensingComputer scienceImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

We report the tuning of plasmonic colours on silver by controlling the thickness of alumina films deposited via atomic layer deposition. The colours are observed to shift with increasing alumina film thickness. Colour palettes produced with periodic topographical features are observed to recover their original vibrancy and Hue range after the deposition of a film thickness of ~ 60 nm while colours devoid of such topographical features are observed to gradually fade and their colour intensities are never recovered collapsing into a small visually unappealing region of the LCH color space. Analysis of the surfaces identifies the periodic topographical features as responsible for this behavior. Finite-difference time-domain simulations of flat and sine-modulated surfaces covered with nanoparticles and covered by a conformal alumina film were conducted to unravel the role played by the ALD thickness on the colour formation, where colour rotations and recovery were also observed. The coloured surfaces were evaluated for applications in colourimetric and radiometric sensing showing large sensitivities of up to 3.06/nm and 3.19 nm/nm, respectively. The colourimetric and radiometric sensitivities are ob-served to be colour dependent.

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 recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,248
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 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetPlasmonic and Surface Plasmon ResearchTravaux en français237 207