A one-step, tunable method of selective reactive sputter deposition as a wrinkling approach for silver/polydimethylsiloxane for electrically conductive pliable surfaces
Notice bibliographique
Résumé
Abstract The wrinkle period and morphology of a metal thin film on an elastic substrate is typically controlled by modifying the substrate before carrying out additional metal deposition steps. Herein, we show that a simultaneously selective and reactive sputtering plasma that modifies the surface of a polydimethylsiloxane (PDMS) substrate while not reacting with the metal during the deposition process decreases the wrinkle wavelength and induces additional wrinkling components and features such as ripples or folds. The selective reaction of the nitrogen plasma with PDMS functionalizes the siloxane surface into silicon oxynitride. This hardens the immediate surface of PDMS, with a quadratic increase in the Young’s modulus as a function of the sputtering flow ratio. The increase in the critical strain mismatch and the corresponding presence of folds in the nitrogen-modified wrinkled silver film form a suitable plasmonic platform for surface-enhanced Raman spectroscopy (SERS), yielding an enhancement factor of 4.8 × 105for detecting lipids. This enhancement is linked to the emergence of electromagnetic hotspots from surface plasmon polariton coupling between the folds/wrinkles, which in turn enables the detection of low concentrations of organics using SERS. Furthermore, when strained, the nitrogen-modified wrinkles enhance electrical conductivity by a factor of 12 compared with unmodified films. Finally, the optical properties of the substrate can be tuned by altering the N2content. The simple addition of nonreactive nitrogen to silver sputtering enables simultaneous PDMS hardening and growth of the silver film and together provide a new avenue for tuning wrinkling parameters and enhancing the electrical conductivity of pliable surfaces.
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) | 0,001 | 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 | 0,001 |
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 ».