MétaCan
Menu
Retour à la cohorte
Enregistrement W2000927510 · doi:10.1088/0957-4484/21/13/134017

Friction force on slow charges moving over supported graphene

2010· article· en· W2000927510 sur OpenAlexaff
K. F. Allison, Z. L. Mišković

Notice bibliographique

RevueNanotechnology · 2010
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésGrapheneMaterials scienceSubstrate (aquarium)Dielectric responseCondensed matter physicsRandom phase approximationPlasmonPhononDielectricBilayer grapheneGraphene nanoribbonsChemical physicsNanotechnologyOptoelectronicsPhysics

Résumé

récupéré en direct d'OpenAlex

We provide a theoretical model that describes the dielectric coupling of a two-dimensional (2D) layer of graphene, represented by a polarization function in the random phase approximation, and a semi-infinite three-dimensional (3D) substrate, represented by a surface response function in a non-local formulation. We concentrate on the role of the dynamic response of the substrate for low-frequency excitations of the combined graphene-substrate system, which give rise to the stopping force on slowly moving charges above doped graphene. A comparison of the dielectric loss function with experimental high-resolution electron energy loss spectroscopy (HREELS) data for graphene on a SiC substrate is used to estimate the effects of damping rate and the local field correction in graphene, as well as to reveal the importance of phonon excitations in an insulating substrate. While the local field correction and linearly dispersing damping rate did not yield any important effects compared to the constant damping rate in graphene, a strong signature of the hybridization between graphene's pi plasmon and the substrate's phonon is found in both the HREELS spectra and the stopping force. A friction coefficient that is calculated for slow charges moving above graphene on a metallic substrate shows an interplay between the low-energy single-particle excitations in both systems.

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 enseignants0,056
Score d'incertitude au seuil0,953

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 Opus0,010
Tête enseignante GPT0,266
Écart entre enseignants0,255 · 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

Citations28
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetGraphene research and applicationsTravaux en français237 207