MétaCan
Menu
Retour à la cohorte
Enregistrement W2068592706 · doi:10.1021/nl1014926

Large-Scale Density Functional Theory Investigation of Failure Modes in ZnO Nanowires

2010· article· en· W2068592706 sur OpenAlexaff
Ravi Agrawal, Jeffrey T. Paci, Horacio D. Espinosa

Notice bibliographique

RevueNano Letters · 2010
Typearticle
Langueen
DomaineMaterials Science
ThématiqueZnO doping and properties
Établissements canadiensUniversity of Victoria
Organismes subventionnairesArmy Research OfficeDivision of Civil, Mechanical and Manufacturing InnovationDivision of Materials Research
Mots-clésNanowireMaterials scienceDensity functional theoryPhase transitionCondensed matter physicsNanoscopic scaleMolecular dynamicsPhase (matter)NanotechnologyChemical physicsComputational chemistryChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Electromechanical and photonic properties of semiconducting nanowires depend on their strain states and are limited by their extent of deformation. A fundamental understanding of the mechanical response of individual nanowires is therefore essential to assess system reliability and to define the design space of future nanowire-based devices. Here we perform a large-scale density functional theory (DFT) investigation of failure modes in zinc oxide (ZnO) nanowires. Nanowires as large as 3.6 nm in diameter with 864 atoms were investigated. The study reveals that pristine nanowires can be elastically deformed to strains as high as 20%, prior to a phase transition leading to fracture. The current study suggests that the phase transition predicted at approximately 10% strain in pristine nanowires by the Buckingham pairwise potential (BP) is an artifact of approximations inherent in the BP. Instead, DFT-based energy barrier calculations suggest that defects may trigger heterogeneous phase transition leading to failure. Thus, the difference previously reported between in situ electron microscopy tensile experiments (brittle fracture) and atomistic simulations (phase transition and secondary loading) (Agrawal, R.; Peng, B.; Espinosa, H. D. Nano Lett. 2009, 9 (12), 4177-2183) is elucidated.

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)0,001
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 enseignants0,008
Score d'incertitude au seuil0,270

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,012
Tête enseignante GPT0,201
Écart entre enseignants0,189 · 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

Citations37
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetZnO doping and propertiesTravaux en français237 207