MétaCan
Menu
Retour à la cohorte
Enregistrement W2059750288 · doi:10.1142/s0217979212420076

GRAPHENE: KINKS, SUPERLATTICES, LANDAU LEVELS AND MAGNETOTRANSPORT

2012· article· en· W2059750288 sur OpenAlexaff
Matthew Killi, Si Wu, Arun Paramekanti

Notice bibliographique

RevueInternational Journal of Modern Physics B · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensCanadian Institute for Advanced ResearchUniversity of WaterlooUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCondensed matter physicsSuperlatticeBilayer grapheneQuasiparticleLandau quantizationGrapheneMonolayerMagnetic fieldDirac fermionPhysicsElectronic band structureMagnetoresistanceAnisotropyMaterials scienceQuantum mechanicsNanotechnologySuperconductivity

Résumé

récupéré en direct d'OpenAlex

We review recent work on superlattices in monolayer and bilayer graphene. We highlight the role of the quasiparticle chirality in generating new Dirac fermion modes with tunable anisotropic velocities in one dimensional (1D) superlattices in both monolayer and bilayer graphene. We discuss the structure of the Landau levels and magnetotransport in such superlattices over a wide range of perpendicular (orbital) magnetic fields. In monolayer graphene, we show that an orbital magnetic field can reverse the anisotropy of the transport imposed by the superlattice potential, suggesting possible switching-type device applications. We also consider topological modes localized at a kink in an electric field applied perpendicular to bilayer graphene, and show how interactions convert these modes into a two-band Luttinger liquid with tunable Luttinger parameters. The band structures of electric field superlattices in bilayer graphene (with or without a magnetic field) are shown to arise naturally from a coupled array of such topological modes. We briefly review some bandstructure results for 2D superlattices. We conclude with a discussion of recent tunneling and transport experiments and point out open issues.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,544
Score d'incertitude au seuil0,277

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 savante0,0000,001
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 Opus0,035
Tête enseignante GPT0,309
Écart entre enseignants0,274 · 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

Citations20
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Modern Physics BMême sujetGraphene research and applicationsTravaux en français237 207