MétaCan
Menu
Retour à la cohorte
Enregistrement W4240215040 · doi:10.26434/chemrxiv.11852040.v1

A Tale of Seemingly “Identical” Silicon Quantum Dot Families: Structural Insight into Silicon Quantum Dot Photoluminescence

2020· preprint· en· W4240215040 sur OpenAlexaff
Alyxandra Thiessen, Lijuan Zhang, Anton O. Oliynyk, Haoyang Yu, Kevin O’Connor, A. Meldrum, Jonathan G. C. Veinot

Notice bibliographique

RevueChemRxiv · 2020
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueSilicon Nanostructures and Photoluminescence
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésQuantum dotPhotoluminescenceLuminescenceSiliconCrystalliteNanotechnologyMaterials scienceQuantumChemical physicsOptoelectronicsPhysicsCondensed matter physicsChemistryCrystallographyQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Two quantum dots, both alike in composition, but differing in structure, where we lay our scene. From broader classes, to bring deeper understanding, to the crystalline core that drives the quantum dot's sheen. In this contribution we examine two families of silicon quantum dots (SiQDs) that bring to mind the Capulets and the Montagues in Shakespeare’s Romeo and Juliet because of their stark similarities and differences. SiQDs are highly luminescent, heavy-metal-free and based upon earth-abundant elements. As such, they have attracted attention for far reaching applications ranging from biological imaging to luminescent solar concentrators to light-emitting diodes that rely on their size-dependent optical response. Unfortunately, correlating SiQD “size” to their photoluminescence maximum is often challenging. Herein, we provide essential structural insight into the correlation of SiQD dimension and PL maximum through a direct comparison of samples that exhibit statistically identical physical dimensions (d TEM ) and chemical compositions, but different crystallite size (d XRD ) and PL maxima. We then expand the scope of this investigation and systematically compare groupings of SiQDs: one in which the d XRD and d TEM agree and one where d XRD < d TEM . This latter comparison clearly shows d XRD better predicts SiQD optical response when using the well-established effective mass approximation.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
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 enseignants0,006
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0030,002
Intégrité de la recherche0,0010,001
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 Opus0,020
Tête enseignante GPT0,264
Écart entre enseignants0,244 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetSilicon Nanostructures and PhotoluminescenceTravaux en français237 207