MétaCan
Menu
Retour à la cohorte
Enregistrement W2482410638 · doi:10.1039/c6cp03068h

Strain-induced electrostatic enhancements of BiFeO<sub>3</sub>nanowire loops

2016· article· en· W2482410638 sur OpenAlexafffund
Jun Liu, K. Prashanthi, Zhi Li, Ryan McGee, Kaveh Ahadi, Thomas Thundat

Notice bibliographique

RevuePhysical Chemistry Chemical Physics · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMultiferroics and related materials
Établissements canadiensAlberta Hospital EdmontonUniversity of Alberta
Organismes subventionnairesCanada Excellence Research Chairs, Government of CanadaCanada Research Chairs
Mots-clésKelvin probe force microscopeNanowireElectrostatic force microscopeStrain (injury)Materials scienceMicroscopyAtomic force microscopyNanotechnologyElectrostaticsCondensed matter physicsChemistryOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Semiconductor nanowires (NWs), due to their intriguing structural and physical properties, offer tremendous potential for future technological applications. The existence of strain in NWs can greatly affect, for instance, their mechanical, electrical and optical properties. Here, we report an extraordinary electrostatic response of semiconductor BiFeO3 NW loops, based on Kelvin probe force microscopy (KPFM) and electrostatic force microscopy (EFM). A substantial ∼300 mV surface potential difference, accompanied by an ∼29% higher surface charge density, was found on the NW loop. We also found that the electrostatic enhancement is strongly related to the strain present at the curvature of the NW loops. We propose that the electric polarization coupled with mechanical strain (piezoelectric effect) or strain gradient (flexoelectricity) as possible reasons to account for our observation. These findings provide new insights into multiferroic based semiconductor NWs under external stimuli as well as significant inspiration towards strain sensors and electromechanical devices with multifunctional sensing abilities.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,006
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,013
Tête enseignante GPT0,246
Écart entre enseignants0,233 · 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

Citations11
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Chemistry Chemical PhysicsMême sujetMultiferroics and related materialsTravaux en français237 207