MétaCan
Menu
Retour à la cohorte
Enregistrement W4317931786 · doi:10.3390/nano13030477

Measuring the Diameter of Single-Wall Carbon Nanotubes Using AFM

2023· article· en· W4317931786 sur OpenAlexaff
Dušan Vobornik, Maohui Chen, Shan Zou, Gregory P. Lopinski

Notice bibliographique

RevueNanomaterials · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésCarbon nanotubeMaterials scienceReproducibilityNanotechnologySurface finishAtomic force microscopyPolymerNanotubeSubstrate (aquarium)Composite materialTube (container)Chemistry

Résumé

récupéré en direct d'OpenAlex

In this work, we identify two issues that can significantly affect the accuracy of AFM measurements of the diameter of single-wall carbon nanotubes (SWCNTs) and propose a protocol that reduces errors associated with these issues. Measurements of the nanotube height under different applied forces demonstrate that even moderate forces significantly compress several different types of SWCNTs, leading to errors in measured diameters that must be minimized and/or corrected. Substrate and nanotube roughness also make major contributions to the uncertainty associated with the extraction of diameters from measured images. An analysis method has been developed that reduces the uncertainties associated with this extraction to <0.1 nm. This method is then applied to measure the diameter distribution of individual highly semiconducting enriched nanotubes in networks prepared from polyfluorene/SWCNT dispersions. Good agreement is obtained between diameter distributions for the same sample measured with two different commercial AFM instruments, indicating the reproducibility of the method. The reduced uncertainty in diameter measurements based on this method facilitates: (1) determination of the thickness of the polymer layer wrapping the nanotubes and (2) measurement of nanotube compression at tube-tube junctions within the network.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,285

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,047
Tête enseignante GPT0,279
Écart entre enseignants0,231 · 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

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanomaterialsMême sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207