MétaCan
Menu
Retour à la cohorte
Enregistrement W4405925655 · doi:10.1016/j.apsusc.2024.162177

Ultrafast laser-induced formation of AgO and Ag2O on silver

2024· article· en· W4405925655 sur OpenAlexafffund
David Girard, Ariana Rodríguez Escamilla, Fabio Variola, Pierre Berini, Arnaud Weck

Notice bibliographique

RevueApplied Surface Science · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser-Ablation Synthesis of Nanoparticles
Établissements canadiensNexen (Canada)University of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésUltrashort pulseLaserMaterials scienceNanotechnologyChemical physicsChemistryOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Ultrafast lasers have been widely used to texture materials, and while a lot of focus has been placed on controlling surface morphology, literature is lacking on ultrafast laser-induced surface chemistry, even though surface chemistry is essential in many applications. To better understand surface chemistry changes during ultrafast laser ablation, a femtosecond laser was used here to irradiate silver samples in air. The laser ablated craters were analysed with Raman spectroscopy and reveal the formation of Ag 2 O and AgO at different pulse energies and number of pulses. A mechanistic picture for the formation of both silver oxides and their transformation into Ag 2 CO 3 , Ag 2 SO 3 and Ag 2 SO 4 is proposed. Some laser-induced periodic surface structures LIPSSs were also observed on some craters, as well as nanoparticles arranged in concentric patterns. • Ag 2 O and AgO were formed while machining silver with a femtosecond laser. • Number of pulses and pulse energy influenced the types and amount of oxide. • Ag 2 CO 3 and Ag 2 SO 3 /Ag 2 SO 4 were formed when the silver oxide aged in ambient air. • LIPSSs and concentric rings were found when viewing the craters under SEM. • A mechanistic picture is proposed to understand oxide formation and decomposition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,015
Tête enseignante GPT0,226
Écart entre enseignants0,211 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Surface ScienceMême sujetLaser-Ablation Synthesis of NanoparticlesTravaux en français237 207