Electronic properties and electron–electron interactions in graphene quantum dots
Notice bibliographique
Résumé
magnified image We review the electronic properties of graphene quantum dots (GQD) with emphasis on the role of electron–electron interactions. We describe the electronic properties using a combination of tight binding, Hartree–Fock (HF), density functional theory and configuration interaction methods applied to interacting electrons on pz orbitals of carbon atoms. The electron–electron interactions are computed using Slater orbitals and screened by the environment and sigma electrons. We show that the electronic properties of graphene can be tuned by the lateral size, shape, character of edge, number of layers and screening. In particular, the energy gap can be tuned from THz to UV by varying the size of graphene quantum dot. The dependence of the gap on the size can be understood in terms of confined Dirac fermions. The effect of edges and edge reconstruction is discussed using ab‐initio techniques. The role of screening is investigated using the HF approach. HF ground states corresponding to semiconductor, Mott‐insulator, and spin‐polarized phases are obtained as a function of the strength of the screened Coulomb interactions. For GQDs in the semiconductor phase, the role of correlations in ground and excited states is computed perturbatively and shown to result in size dependent band gap renormalization. (© 2015 WILEY‐VCH Verlag GmbH &Co. KGaA, Weinheim)
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 ».