MétaCan
Menu
Retour à la cohorte
Enregistrement W4410419494 · doi:10.1016/j.carbon.2025.120444

Detailed in situ TEM/EELS analysis of laser-induced reduction of graphene oxide

2025· article· en· W4410419494 sur OpenAlexafffund
Israt Ali, Huiyu Lei, Shuhui Sun, Kenneth R. Beyerlein

Notice bibliographique

RevueCarbon · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for InnovationMinistère de l'Économie, de la Science et de l'Innovation - Québec
Mots-clésGrapheneIn situOxideMaterials scienceLaserReduction (mathematics)NanotechnologyChemical engineeringChemistryMetallurgyOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Laser-induced reduction of graphene oxide (GO) represents a highly promising approach to graphene synthesis due to local control of the treated area, avoidance of hazardous chemical reagents, and environmentally benign ambient conditions. In this study, we present a comprehensive investigation of the reduction of GO induced by multiple laser pulses at a wavelength of 532 nm by in situ transmission electron microscopy. By systematically varying the laser fluence from 6.36 mJ/cm 2 to 15.88 mJ/cm 2 and employing electron energy loss spectroscopy (EELS), we achieved precise quantification and identification of the removal of distinct oxygen functional groups. The kinetics of the process are modelled using a double-exponential function to determine photoreduction rates as a function of laser fluence. We estimate laser fluences in this range raise the film temperature from 342 °C to 823 °C, and correlate this with observed functional group removal and established thermal decomposition thresholds. Our work offers a detailed understanding of the laser-induced reduction process and highlights the potential for tailoring the chemical composition of graphitic oxides through controlled laser processing.

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 enseignants0,071
Score d'incertitude au seuil0,233

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
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)0,0000,000

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 GPT0,293
Écart entre enseignants0,275 · 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCarbonMême sujetGraphene research and applicationsTravaux en français237 207