MétaCan
Menu
Retour à la cohorte
Enregistrement W2317222295 · doi:10.1115/imece2015-50675

Predicting Phonon Thermal Transport in Two-Dimensional Graphene-Boron Nitride Superlattices at the Short-Period Limit

2015· article· en· W2317222295 sur OpenAlexafffund
Carlos B. da Silva, Fernán Saiz, David A. Romero, Cristina H. Amon

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueThermal properties of materials
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSuperlatticePhononCondensed matter physicsMaterials scienceZigzagGrapheneThermal conductivityBoron nitrideBoltzmann equationPhysicsNanotechnologyThermodynamicsComposite material

Résumé

récupéré en direct d'OpenAlex

Two-dimensional superlattices are promising alternatives to traditional semiconductors for manufacturing power-dissipating devices with enhanced thermal and electronic properties. The goal of this work is to investigate the influence of the superlattice secondary periodicity and atomic interface orientation on the phonon properties and thermal conductivity of two-dimensional superlattices of graphene and boron nitride. We have employed harmonic lattice dynamics to predict the phonon group velocities and specific heats, and molecular dynamics to extract the relaxation times from normal mode analysis in the frequency domain. Density functional perturbation theory is applied to validate the phonon dispersion curves. The Boltzmann transport equation under single relaxation time approximation is then used to predict the thermal conductivities of the superlattices in the zigzag and armchair orientations with periodicities between one and five. Our results showed that the thermal conductivities increased by 15.68% when reducing the superlattice period from two to one. In addition, thermal conductivities parallel to the interface increase by 20.15% when switching the orientation from armchair to zigzag.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,016
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,263
Écart entre enseignants0,224 · 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.

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

Citations2
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetThermal properties of materialsTravaux en français237 207