MétaCan
Menu
Retour à la cohorte
Enregistrement W4289711311 · doi:10.3390/ma15155358

Analyzing the Mechanism of Zinc Oxide Nanowires Bending and Bundling Induced by Electron Beam under Scanning Electron Microscope Using Numerical and Simulation Analysis

2022· article· en· W4289711311 sur OpenAlexaff
Basma El Zein, Ali Elrashidi, El Hadj Dogheche, Ghassan Jabbour

Notice bibliographique

RevueMaterials · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueZnO doping and properties
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésNanowireMaterials scienceScanning electron microscopeZincPlasmonNanoparticleAbsorption (acoustics)Band bendingBendingTransmission electron microscopyNanotechnologyOptoelectronicsComposite materialMetallurgy

Résumé

récupéré en direct d'OpenAlex

The bending effect of self-catalyst zinc oxide nanowires on a photoconducting behavior has been investigated by in-situ scanning electron microscope method and interpreted by analytical modeling. Zinc oxide NWs tend to incline due to geometric instability and because of the piezoelectric properties, which was confirmed by scanning electron microscope images. A cantilever bending model adequately describes the bending and bundling events, which are linked to the electrostatic interaction between nanowires. The light absorption of zinc oxide nanowires in the visible and near infrared bands has been modelled using the finite difference time domain method. The influence of the density of nanowires (25%, 50%, 75%) and the integration of plasmonic nanoparticles distributed on the seed layer (with varied radii) on the light absorption of zinc oxide nanowires was studied using simulation analysis. We have shown that the geometry of zinc oxide nanowires in terms of length, separation distance, and surface charge density affects the process of zinc oxide nanowires bending and bundling and that absorption will be maximized by integrating Au plasmonic nanoparticles with a radius of 10 nm.

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 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 enseignants0,043
Score d'incertitude au seuil0,596

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,024
Tête enseignante GPT0,283
Écart entre enseignants0,259 · 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.

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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetZnO doping and propertiesTravaux en français237 207