MétaCan
Menu
Retour à la cohorte
Enregistrement W2625940648 · doi:10.1021/acs.jpclett.7b01048

The Effect of Adjacent Materials on the Propagation of Phonon Polaritons in Hexagonal Boron Nitride

2017· article· en· W2625940648 sur OpenAlexafffund
Kris S. Kim, Daniel Trajanoski, Kevin Ho, Leonid Gilburd, Aniket Maiti, Luuk van der Velden, Sissi de Beer, Gilbert C. Walker

Notice bibliographique

RevueThe Journal of Physical Chemistry Letters · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueThermal Radiation and Cooling Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of TorontoUniversity of TwenteNatural Sciences and Engineering Research Council of CanadaNederlandse Organisatie voor Wetenschappelijk OnderzoekStichting voor Fundamenteel Onderzoek der Materie
Mots-clésMaterials scienceHexagonal boron nitridePhononPolaritonSurface phononNear-field scanning optical microscopeCondensed matter physicsBoron nitrideDielectricSiliconOptoelectronicsPhotonicsSilicon nitrideOpticsNanotechnologyOptical microscopePhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

In order to apply the ability of hexagonal boron nitride (hBN) to confine energy in the form of hyperbolic phonon polariton (HPhP) modes in photonic-electronic devices, approaches to finely control and leverage the sensitivity of these propagating waves must be investigated. Here, we show that by surrounding hBN with materials of lower/higher dielectric responses, such as air and silicon, lower/higher surface momenta of HPhPs can be achieved. Furthermore, an alternative method for preparing thin hBN crystals with minimum contamination is presented, which provides opportunities to study the sensitivity of the damping mechanism of HPhPs on adsorbed materials. Infrared scanning near-field optical microscopy (IR-SNOM) results suggest that the reflections at the upper and lower hBN interfaces are primary causes of the damping of HPhPs, and that the damping coefficients of propagating waves are highly sensitive to adjacent layers, suggesting opportunities for sensor applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,212
Écart entre enseignants0,207 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations19
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry LettersMême sujetThermal Radiation and Cooling TechnologiesTravaux en français237 207