Gas-Aggregated Core–Shell ZrN@SiN Nanoparticles with Enhanced Thermal Stability for Plasmonic Applications at High Temperatures
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Group IV metal nitrides are often considered a viable replacement for gold in numerous plasmonic applications that require high temperatures. However, despite exhibiting a high melting point, these materials are prone to oxidation in an oxygen-rich environment, leading to an undesirable change or loss of the plasmonic response. This work developed an environmentally friendly method based on reactive magnetron sputtering of Zr for the synthesis of ZrN nanoparticles (NPs) with their in-flight coating by an rf-sputtered SiN shell. The resultant core–shell NPs are characterized by cubic morphology, with a 15 nm ZrN core enveloped by a 5–15 nm SiN shell. The ZrN@SiN NPs demonstrate localized surface plasmon resonance (LSPR), which can be adjusted from 580 to 850 nm by tuning the porosity and, consequently, the effective refractive index of SiN. The SiN shell attenuates the plasmonic sensitivity of ZrN NPs, but protects them from postdeposition oxidation in air, preserving LSPR at temperatures above 400 °C. Thus, this research proposes a one-step synthesis of ZrN@SiN NPs with controllable optical properties, enhanced thermal stability, and promising features for plasmonic applications 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 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 ».