Effects of biaxial tensile strain on the first-principles-driven thermal conductivity of buckled arsenene and phosphorene
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Strain engineering is an effective way to tune the thermal and electrical properties of novel two-dimensional (2D) materials. In this work, first-principles density functional theory (DFT) is used to systematically investigate the strain-dependent lattice thermal conductivity and phonon properties of buckled arsenene and phosphorene, which are the 2D materials with the highest thermal conductivities among monolayers in group-VA. We implemented an iterative self-consistent solution to the Peierls-Boltzmann transport equation (PBTE). Our results showed that the thermal conductivity in both monolayers exhibits an up-and-down behavior when biaxial tensile strain is applied in the range from 0% to 9%. The peak values in the thermal conductivities occur at 5% of strain in arsenene and 3% in phosphorene, with the maximum conductivities of strained arsenene and phosphorene being 1.4 and 1.2 times higher than those of unstrained samples, respectively. We provide a rigorous description of the underlying phonon physics responsible for these thermal responses to strain, addressing the interplay between phonon group velocities, heat capacities, and relaxation times. The acoustic-optical phonon band gaps in arsenene and phosphorene were found to reduce with strain, being the reduction more significant in phosphorene. Our results also showed that the use of the single mode relaxation time approximation (SMRTA) predict substantially lower thermal conductivities for arsenene and phosphorene than those predicted by the iterative solution of the PBTE.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle