Refining laser-induced dewetting for bimetallic Au–Pd nanoparticle synthesis on ZnO thin films: Optimizing fluence for substrate integrity
Notice bibliographique
Résumé
We report the fabrication of metal alloy Au–Pd nanoparticles on semiconductor thin film substrates (ZnO) by laser-induced dewetting. Employing a UV excimer laser, a single pulse was directed onto a three-layer film stack on a glass substrate: glass/ZnO/Au/Pd and glass/ZnO/Pd/Au. We simulated the temperature attained by the thin films enabling the prediction of energy thresholds required for melting the metal films but avoiding modifying the ZnO film. A specific range is reported of the pulse energy conducive to nanoparticle formation and the energy threshold required to modify the ZnO film beneath them. Depending on the pulse energy applied, the mean diameter of the nanoparticles varied from approximately 150 to around 70 nm. Notably, higher fluences resulted in smaller particles but also induced surface cracks in the ZnO film. Additionally, we observed a reduction in nanoparticle size with increased Pd content. Our results show that laser-induced dewetting can produce bimetallic alloy nanoparticles and, at the same time, ensure the preservation of the optical properties of the ZnO film. This approach opens avenues for tailoring material characteristics and expanding the range of applications of metal nanoparticles on semiconductor-based systems.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».