MétaCan
Menu
Retour à la cohorte
Enregistrement W4321789702 · doi:10.26434/chemrxiv-2023-cvxq0

Synthesis and Photothermal Properties of UV-Plasmonic Group IV Transition Metal Carbide Nanoparticles

2023· preprint· en· W4321789702 sur OpenAlexafffund
Matthew J. Margeson, Yashar E. Monfared, Mita Dasog

Notice bibliographique

RevueChemRxiv · 2023
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueCopper-based nanomaterials and applications
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOcean Frontier InstituteCanada Foundation for InnovationCMC Microsystems
Mots-clésMaterials sciencePhotothermal therapyCarbideSurface plasmon resonanceTransition metalNanoparticleNanostructurePlasmonOxideMetalNanotechnologyChemical engineeringComposite materialMetallurgyOptoelectronicsChemistryCatalysisOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Refractory nanostructures are low-cost and chemically and thermally robust alternatives to noble metal based plasmonic materials. Transition metal nitrides have received much of the attention lately, but there has been less emphasis on closely related non-layered carbide counterparts. In this work, plasmonic group IV transition metal carbide (TiC, ZrC, and HfC) nanostructures were prepared using a facile magnesiothermic reduction method which yielded phase pure product. TiC, ZrC and HfC with rock salt crystal structure and an average particle size of 24, 31, and 42 nm, respectively were obtained by reacting corresponding metal oxide, magnesium, and biochar in solid-state. Calculations performed using finite element method predicted these group IV carbide nanostructures to have localized surface plasmon resonance in the UV region between 150 175 nm. The photothermal transduction efficiency of each carbide was explored to further verify the plasmonic behavior. HfC was found to have the highest photothermal transduction efficiency (73%), followed by ZrC (69%), and then TiC (60%) at 365 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)0,000
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 seuil0,767

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 Opus0,038
Tête enseignante GPT0,234
Écart entre enseignants0,197 · 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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetCopper-based nanomaterials and applicationsTravaux en français237 207