Atomic Engineering of Chalcogenide Layer in Transition Metal Chalcogenides
Notice bibliographique
Résumé
Atomically thin transition metal chalcogenides (TMDs), members of two-dimensional (2D) material family, have received great attention due to their novel optoelectronic and electronic properties. CVD technique have been well developed to synthesize monolayer TMDs, such as MoS 2 , WS 2 , WSe 2 , and MoSe 2 where transition metals are sandwiched by the same chalcogenide layers 1 . Band gas of those intrinsic materials can be further manipulated by precisely compositional control of TMD alloy structure 2 . For example, band gap of MoS x Se 2-x sat in between MoS 2 and MoSe 2 . Although great effort had paid in fabricating such complex 2D structures had been fabricated, compositional control of TMD along the vertical direction remains challenging. Such asymmetrical composition distribution could result in additional polarity along the vertical direction and extend its application to spintronics 3 . Here, we develop a method that can precisely manipulate arrangement of chalcogenide atoms (S and Se) along the vertical direction of TMD by applying plasma thinning along with selenization (or sulfurization). This new strategy is not only to control the composition of upmost chalcogenide layer but also able to fabricate MoSSe Janus structure. In this Janus structure, the transition metals are sandwiched by selenium at upmost and sulfur at bottom. Raman spectra is applied to track and investigate the mechanism. Furthermore, this approach can be generalized to other 2D materials. Janus WSSe is also successfully achieved by applying similar plasma treatment and corresponding chalcogenization. References: 1. Nat. Nanotechnol. 2012 , 7 , 699. 2. Adv. Mater. 2014 , 26 , 2648. 3. EPL , 2013 , 102 , 57001.
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 | 0,001 | 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 ».