Electron-phonon mediated heat flow in disordered graphene
Notice bibliographique
Résumé
We calculate the heat flux and electron-phonon thermal conductance in a disordered graphene sheet, going beyond a Fermi's golden rule approach to fully account for the modification of the electron-phonon interaction by disorder. Using the Keldysh technique combined with standard impurity averaging methods in the regime ${k}_{F}l\ensuremath{\gg}1$ (where ${k}_{F}$ is the Fermi wave vector and $l$ is the mean free path), we consider both scalar potential (i.e., deformation potential) and vector-potential couplings between electrons and phonons. We also consider the effects of electronic screening at the Thomas-Fermi level. We find that the temperature dependence of the heat flux and thermal conductance is sensitive to the presence of disorder and screening, and reflects the underlying chiral nature of electrons in graphene and the corresponding modification of their diffusive behavior. In the case of weak screening, disorder enhances the low-temperature heat flux over the clean system (changing the associated power law from ${T}^{4}$ to ${T}^{3}$), and the deformation potential dominates. For strong screening, both the deformation potential and vector-potential couplings make comparable contributions, and the low-temperature heat flux obeys a ${T}^{5}$ power law.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 0,001 |
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 ».