Graphene and graphane functionalization with hydrogen: electronic and optical signatures
Notice bibliographique
Résumé
Abstract We proved the possibility of electron gap tuning of graphene‐based materials, using extensive first principles modelling of the structural, electronic and optical properties of partially hydrogenated graphene. Optical tools were proposed to characterize the hydrogenation process. Sub‐monolayer hydrogen passivated graphene and various hydrogen induced superstructures were considered. Electron and optical DFT LDA gaps between 0.2 and 1.8 eV, suitable for microelectronic application, were obtained for low hydrogen coverage structures. For such systems, hydrogen clustering (by saturating neighbouring C dangling bonds at opposite sides of the graphene sheet) is energetically most favourable and generally produces a larger gap. A more homogeneous H distribution with one‐side bonding to C‐host atoms is, in contrast, less energetically favourable and even structurally unstable. In addition, such H configurations generally produce lower electron band gap. Hydrogen at low coverage not only locally buckles six‐fold carbon rings, it leads to dimerization and subsequent electron localization for neighbouring carbon atoms, which are not H bonded. Such structural and electronic processes are responsible for gap opening and its magnitude. Calculated linear optical response indicates that the optics is not only gap sensitive, but, combined with experimental spectra, can also provide access to microscopic properties of 2D nano‐sheets such as symmetry, hydrogen induced structure, degree of hydrogenation, chemical bonding, and others (© 2012 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».