Ionic screening of charged impurities in electrolytically gated graphene
Notice bibliographique
Résumé
We present a model for dual-gated, single-layer graphene, with a back gate separated by a layer of oxide, and the top gate potential applied through a thick layer of liquid electrolyte that contains mobile ions in a diffuse layer, described in the Debye-H\"uckel approximation, which is separated from graphene by a charge-free Stern layer. After deriving a nonlinear equation for the average charge carrier density in graphene in terms of the gate potentials, we use the Green's function of the Poisson equation to express the fluctuating part of the electrostatic potential in the plane of graphene in terms of the distribution function for fixed charged impurities in the oxide. By using both the Thomas-Fermi and the random phase approximations of graphene's response at nonzero temperature, we show that the presence of mobile ions in the electrolyte significantly increases graphene's screening ability of the in-plane potential for a single impurity, accentuates Friedel oscillations in that potential, and gives rise to a linear plasmon dispersion in doped graphene at long wavelengths. In the case of multiple charged impurities in the oxide, the increasing ion concentration in the electrolyte causes a reduction in the autocorrelation function of the fluctuating in-plane potential when the impurities are uncorrelated. However, when the impurities are correlated, the relative effect of the increased ion concentration in the electrolyte is drastically reduced, while the autocorrelation function in this case takes negative values in a range of interimpurity distances.
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 | 0,000 |
| 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 | 0,000 |
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 ».