MétaCan
Menu
Retour à la cohorte
Enregistrement W4294276201 · doi:10.1038/s41598-022-18883-5

Photo-engineered optoelectronic properties of indium tin oxide via reactive laser annealing

2022· article· en· W4294276201 sur OpenAlexfundno aff
James Hillier, P. Patsalas, Dimitrios Karfaridis, S. Camelio, W. M. Cranton, Alexei Nabok, Christopher J. Mellor, Demosthenes C. Koutsogeorgis, N. Kalfagiannis

Notice bibliographique

RevueScientific Reports · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueZnO doping and properties
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development FundUniversity of IoanninaTrent UniversityNottingham Trent University
Mots-clésAnnealing (glass)Materials scienceIndium tin oxideOptoelectronicsTinIndiumLaserNanotechnologyMetallurgyThin filmOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Transparent conductive oxides are appealing materials for optoelectronic and plasmonic applications as, amongst other advantages, their properties can be modulated by engineering their defects. Optimisation of this adjustment is, however, a complex design problem. This work examined the modification of the carrier transport properties of sputtered tin-doped indium oxide (ITO) via laser annealing in reactive environments. We relate the optical modifications to the structural, compositional, and electronic properties to elucidate the precise mechanisms behind the reactive laser annealing (ReLA) process. For sufficiently high laser fluence, we reveal an ambient-dependent and purely compositional modulation of the carrier concentration of ITO thin films. Hereby, we demonstrate that ReLA utilises the precise energy delivery of photonic processing to enhance the carrier mobility and finely tune the carrier concentration without significantly affecting the crystal structure. Exploitation of this phenomena may enable one to selectively engineer the optoelectronic properties of ITO, promising an alternative to the exploration of new materials for optoelectronic and photonic applications.

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)0,002
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 enseignants0,010
Score d'incertitude au seuil0,684

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,212
Écart entre enseignants0,196 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetZnO doping and propertiesTravaux en français237 207