MétaCan
Menu
Retour à la cohorte
Enregistrement W4392545538 · doi:10.1021/acsmaterialslett.3c01554

Praseodymium-Doped Nanoparticles: Candidates for Near-Infrared-II Double- and Single-Band Nanothermometry

2024· article· en· W4392545538 sur OpenAlexafffund
Abigale Puccini, Nan Liu, Eva Hemmer

Notice bibliographique

RevueACS Materials Letters · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueLuminescence Properties of Advanced Materials
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Research Council CanadaNatural Sciences and Engineering Research Council of CanadaChina Scholarship CouncilCanada Foundation for InnovationUniversity of Ottawa
Mots-clésMaterials scienceExcited stateNear-infrared spectroscopyNanoparticlePraseodymiumDopingLuminescenceLanthanideOptoelectronicsInfraredRadiative transferVisible spectrumAnalytical Chemistry (journal)NanotechnologyOpticsChemistryAtomic physicsIonPhysics

Résumé

récupéré en direct d'OpenAlex

Luminescent nanothermometers with high spatial and thermal resolution are desirable for a wide range of temperature-sensing applications. Lanthanide-doped nanoparticles can be excited by and emit light in the near-infrared (NIR) region, rendering them ideal candidates for NIR nanothermometry. Pr 3+ has demonstrated thermal sensing ability in the NIR region but only when excited by UV–visible light. Here, we propose a series of NIR-I excited Pr 3+, Ho 3+, and Yb 3+ -doped NaGdF 4 core/multishell nanoparticles for double- and single-band ratiometric nanothermometry operating in the NIR-II region. Thermal sensing ability was demonstrated in organic and aqueous dispersions as well as for powders. The S r based on the Pr 3+ 1 G 4 → 3 H 5 and Ho 3+ 5 I 6 → 5 I 8 radiative transitions reached 2.4% °C –1 at 40 °C, while the maximal S r obtained using the single-band Pr 3+ emission was 0.8% °C –1 at 10 °C. These findings demonstrate the promise of Pr 3+ -doped nanoparticles as NIR-NIR nanothermometers for thermal sensing 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
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 enseignants0,005
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
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 Opus0,018
Tête enseignante GPT0,247
Écart entre enseignants0,229 · 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

Citations19
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Materials LettersMême sujetLuminescence Properties of Advanced MaterialsTravaux en français237 207