MétaCan
Menu
Retour à la cohorte
Enregistrement W4411028089 · doi:10.3390/nano15110861

Characterization of the Second Harmonic Generation of Boron Nitride Nanotube Macroscopic Assemblies

2025· article· en· W4411028089 sur OpenAlexaff
Ping Lü, Jingwen Guan, Cyril Hnatovsky, Huimin Ding, Manny De Silva, Liliana Gaburici, Christopher T. Kingston, Stephen J. Mihailov

Notice bibliographique

RevueNanomaterials · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueBoron and Carbon Nanomaterials Research
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceBoron nitrideFemtosecondSecond-harmonic generationWavelengthCoatingOptoelectronicsBoronInfraredCharacterization (materials science)NanotechnologyLaserPolarization (electrochemistry)OpticsChemistry

Résumé

récupéré en direct d'OpenAlex

Boron nitride nanotubes (BNNTs) are predicted to be promising one-dimensional nonlinear optical materials, but to date, only one experimental observation has been made using individual nanotubes. In this work, second harmonic generation (SHG) was achieved from free-standing bulk BNNT sheets and BNNT coatings on silica substrates. Focusing femtosecond infrared (fs-IR) laser pulses with a wavelength of 800 nm onto the BNNT assemblies resulted in strong SHG at a wavelength of 400 nm. It was observed that due to the thickness variation of the BNNT assemblies and orientational alignment of BNNTs in the assemblies, the intensity of the second-harmonic (SH) radiation changed dramatically when different locations on the samples were investigated. Among all the BNNT assemblies tested, the localized SH response and its dependence on the polarization of the excitation fs-IR pulses were the strongest in BNNT coatings produced by a dip-coating process. By measuring the SH response, the uniformity, reproducibility, and efficiency of BNNT deposition processes could be assessed. For applications requiring a high SH response from BNNT assemblies, the process of dip coating is preferred.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,010
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,024
Tête enseignante GPT0,284
Écart entre enseignants0,260 · 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.

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 revueNanomaterialsMême sujetBoron and Carbon Nanomaterials ResearchTravaux en français237 207