MétaCan
Menu
Retour à la cohorte
Enregistrement W4409706650 · doi:10.3390/cryst15050387

Cu2S Nanocrystals and Their Superlattices

2025· article· en· W4409706650 sur OpenAlexaff
Samuel Fuentes, Ryan Hart, Juan Gabriel Ramírez, Aditi Mulgaonkar, Brady Killham, Sashi Debnath, Yunfeng Wang, Xiankai Sun, Jiechao Jiang, Yaowu Hao

Notice bibliographique

RevueCrystals · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesDivision of Materials ResearchU.S. Department of EnergyNational Nuclear Security AdministrationNational Science Foundation
Mots-clésSuperlatticeNanocrystalMaterials scienceNanotechnologyEngineering physicsOptoelectronicsEngineering

Résumé

récupéré en direct d'OpenAlex

We report the successful synthesis of monodispersed Cu2S nanocrystals and the subsequent formation of highly ordered nanocrystal superlattices. The synthesis is performed under ambient air conditions using simple experimental setups, making the process both accessible and scalable. By systematically tuning the reaction temperature and duration, we demonstrate precise control over the nanocrystal size, which is crucial in achieving uniformity and monodispersity. Furthermore, we uncover a previously unidentified nanocrystal growth mechanism that plays a key role in producing highly monodisperse Cu2S nanocrystals. This insight into the growth process enhances our fundamental understanding of nanocrystal formation and could be extended to the synthesis of other semiconductor nanomaterials. The self-assembly of these nanocrystals into superlattices is carefully examined using electron diffraction techniques, revealing the presence of pseudo-crystalline structures. The ordered arrangement of nanocrystals within these superlattices suggests strong interparticle interactions and opens up new possibilities to tailor their collective optical, electronic, and mechanical properties for potential applications in optoelectronics, nanomedicine, and energy storage.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,135
Score d'incertitude au seuil0,798

Scores Codex et Gemma par catégorie

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 Opus0,016
Tête enseignante GPT0,239
Écart entre enseignants0,223 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCrystalsMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207