Phonon and Defect Induced Transparencies in the Mid-Infrared Spectrum of Grafted Single Layer Graphene
Notice bibliographique
Résumé
The Drude-like response of graphene in the terahertz and infrared region of the spectrum has made it attractive for optoelectronic applications in this range, because the response can be controlled by gating and doping. [1] Graphene infrared response can further be tailored for photonics and plasmonics, as the patterned material harbors low energy plasmon modes. [2] However, the infrared spectrum of pristine single layer graphene (SLG) is monotonous; in contrast to Raman, there are no infrared-active phonon modes, while bilayer graphene displays a Fano resonance in the infrared at ~1600 cm-1. [3] In a first time, we show experimentally that grafting SLG with halogenophenyl moieties induces optical transparencies at two specific energies: 1250 and 1600 cm-1 [4], in close similarity to the bands that can also be observed in carbon nanotubes as Fano resonances. [5] Unlike bands caused by the absorption of light by vibrational modes, these antiresonances show a decrease of the absorbance, an optical transparency effect. Moreover, we show that the amplitude of the transparencies can be modulated by changing the charge carrier density through doping, and by the defect density through controlled grafting. In as second time, we will present a theory based on quantum mechanics to calculate the optical conductivity of grafted SLG. [4] The model puts into play phonon modes with momenta different from Γ that can be addressed through scattering on defects. Numerical simulations reproduce the experimental data with good agreement. The theory also captures the dependence of the signal on charge carrier density and defect density. Our findings bring a new understanding for the physics behind the infrared activity of nanostructures, while opening new capabilities for tailoring the optical spectrum of nanomaterials. References [1] Horng et al. (2011) Phys Rev B 83:165113 [2] Low & Avouris (2014) ACS Nano 8:1086 [3] Kuzmenko et al. (2009) Phys Rev Lett 103:116804 [4] Rousseau et al. (2014) arXiv preprint arxiv:1407.8141 [5] Lapointe et al. (2012) Phys Rev Lett 109:097402
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».