High-Temperature Anomaly in the Synthesis of Large (<i>d</i> > 100 nm) Silicon Nanoparticles from Hydrogen Silsesquioxane
Notice bibliographique
Résumé
Hydrogen silsesquioxane (HSQ) is known to disproportionate at elevated temperatures, resulting in nanoscale elemental silicon inclusions within a matrix of SiO 2 . Previous investigations suggest a continuous and direct relationship in which particle size can be increased by increasing either the processing temperature and/or processing time. Recent attempts at synthesizing large particles ( d > 100 nm) using temperatures above 1400 °C and dwell times greater than 1 h uncovered anomalies in both nanoparticle size, and the composition of the resulting composite materials. Silicon nanoparticle (SiNP) growth occurs as predicted at temperatures up to and including 1400 °C, but prolonged heating between 1500–1600 °C results in SiO 2 being the sole product of the reaction, and no nanoparticles are recovered. While longer processing times are typically associated with larger SiNPs, increasing the dwell time for samples within the anomalous temperature zone results in the opposite effect and particle formation is suppressed. The standard trends regarding particle formation, size, and relative SiNP:SiO 2 composition reemerge beyond this temperature region and are restored at 1700 °C. In addition to quantifying the boundaries of this parameter space, our characterization of the resulting materials suggests that silicon monoxide formation, promoted through the crystallization of cristobalite SiO 2, is responsible for the strange behavior of HSQ at high temperatures.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 tête enseignante, 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 ».