Reduction of Thermal Conductivity in Nanowires by Combined Engineering of Crystal Phase and Isotope Disorder
Notice bibliographique
Résumé
Nanowires are a versatile platform to investigate and harness phonon and thermal transport phenomena in nanoscale systems. With this perspective, we demonstrate herein the use of crystal phase and mass disorder as effective degrees of freedom to manipulate the behavior of phonons and control the flow of local heat in silicon nanowires. The investigated nanowires consist of isotopically pure and isotopically mixed nanowires bearing either a pure diamond cubic or a cubic-rhombohedral polytypic crystal phase. The nanowires with tailor-made isotopic compositions were grown using isotopically enriched silane precursors 28SiH4, 29SiH4, and 30SiH4 with purities better than 99.9%. The analysis of polytypic nanowires revealed ordered and modulated inclusions of lamellar rhombohedral silicon phases toward the center in otherwise diamond-cubic lattice with negligible interphase biaxial strain. Raman nanothermometry was employed to investigate the rate at which the local temperature of single suspended nanowires evolves in response to locally generated heat. Our analysis shows that the lattice thermal conductivity in nanowires can be tuned over a broad range by combining the effects of isotope disorder and the nature and degree of polytypism on phonon scattering. We found that the thermal conductivity can be reduced by up to ∼40% relative to that of isotopically pure nanowires, with the lowest value being recorded for the rhombohedral phase in isotopically mixed 28Six30Si1–x nanowires with composition close to the highest mass disorder (x ∼ 0.5). These results shed new light on the fundamentals of nanoscale thermal transport and lay the groundwork to design innovative phononic devices.
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 ».