MétaCan
Menu
Retour à la cohorte
Enregistrement W4296006279 · doi:10.3390/nano12183171

Efficient and Facile Synthetic Route of MoO3:MoS2 Hybrid Thin Layer via Oxidative Reaction of MoS2 Nanoflakes

2022· article· en· W4296006279 sur OpenAlexfundno aff
Hind Lamkaouane, Hajar Ftouhi, Mireille Richard‐Plouet, Nicolas Gautier, Nicolas Stéphant, M. Zazoui, M. Addou, L. Cattin, J.C. Bérnède, Yamina Mir, Guy Louarn

Notice bibliographique

RevueNanomaterials · 2022
Typearticle
Langueen
DomaineMaterials Science
Thématique2D Materials and Applications
Établissements canadiensnon disponible
Organismes subventionnairesCentre National pour la Recherche Scientifique et TechniqueCentre National de la Recherche ScientifiqueEuropean Regional Development FundProvidence Health Care
Mots-clésMaterials scienceX-ray photoelectron spectroscopyAbsorbanceLayer (electronics)Absorption (acoustics)Exfoliation jointChemical engineeringNanotechnologyOpticsGrapheneComposite material

Résumé

récupéré en direct d'OpenAlex

In the present study, MoO3:MoS2 hybrid thin layers have been synthesized through partial oxidation of MoS2. We have demonstrated that the reaction requires darkness conditions to decrease the oxidation rate, thus obtaining the hybrid, MoO3:MoS2. A simple liquid-phase exfoliation (LPE) is carried out to achieve homogenous MoS2 nanoflakes and high reproducibility of the results after MoS2 oxidation. XPS analyses reveal the presence of MoO3, MoS2, and MoOxSy in the hybrid layer. These results are also confirmed by X-ray diffraction and high-resolution TEM. Optical absorbance reveals that the absorption peaks of the MoO3:MoS2 hybrid are slightly redshifted with the appearance of absorption peaks in the near-infrared region due to the defects created after the oxidation reaction. The composition and atomic percentages of each component in the hybrid layer as a function of reaction time have also been reported to give perspective guides for improving electronic and optoelectronic devices based on 2D-MoS2.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,002
Score d'incertitude au seuil0,999

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 technologies0,0000,000
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 Opus0,014
Tête enseignante GPT0,238
Écart entre enseignants0,224 · 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.

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

Citations33
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanomaterialsMême sujet2D Materials and ApplicationsTravaux en français237 207