MétaCan
Menu
Retour à la cohorte
Enregistrement W1971249483 · doi:10.1039/c4nr02426e

Giant magnetoresistance and spin Seebeck coefficient in zigzag α-graphyne nanoribbons

2014· article· en· W1971249483 sur OpenAlexaff
Ming-Xing Zhai, Xue-Feng Wang, P. Vasilopoulos, Yushen Liu, Yao-Jun Dong, Liping Zhou, Yong-Jing Jiang, Wen‐Long You

Notice bibliographique

RevueNanoscale · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensConcordia University
Organismes subventionnairesNational Natural Science Foundation of ChinaRoyal Society of ChemistryRoyal Society
Mots-clésGraphyneZigzagCondensed matter physicsSeebeck coefficientThermoelectric effectMaterials scienceFerromagnetismMagnetoresistanceDensity functional theorySpin (aerodynamics)NanotechnologyChemistryMagnetic fieldPhysicsComputational chemistryGrapheneThermodynamicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

We investigate the spin-dependent electric and thermoelectric properties of ferromagnetic zigzag α-graphyne nanoribbons (ZαGNRs) using density-functional theory combined with non-equilibrium Green's function method. A giant magnetoresistance is obtained in the pristine even-width ZαGNRs and can be as high as 10(6)%. However, for the doped systems, a large magnetoresistance behavior may appear in the odd-width ZαGNRs rather than the even-width ones. This suggests that the magnetoresistance can be manipulated in a wide range by the dopants on the edges of ZαGNRs. Another interesting phenomenon is that in the B- and N-doped even-width ZαGNRs the spin Seebeck coefficient is always larger than the charge Seebeck coefficient, and a pure-spin-current thermospin device can be achieved at specific 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 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 enseignants0,422
Score d'incertitude au seuil0,388

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,252
Écart entre enseignants0,243 · 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

Citations49
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetGraphene research and applicationsTravaux en français237 207