Thermoelectric and electronic properties of B-doped graphene nanoribbon
Notice bibliographique
Résumé
The effect of concentration and position of boron atoms as impurities in graphene nanoribbons have been studied through density functional theory (DFT) and the Landauer approach. For this purpose, we designed a graphene nanoribbon doped with three different concentrations of boron atoms and calculated the density of states (DOS), electronic current, and thermopower. The comparison between the DOS curve of the pure graphene and that of the boron-doped graphene shows that the presence of boron atoms as impurities in graphene has caused an energy gap near the Fermi energy. Moreover, the study of the I–V characteristics shows that not only the current quantization is established, but also the reduction in conductivity caused by doping with boron atoms can be observed; however, this reduction is not sensitive to the concentration of boron atoms. In addition, the changes of the Seebeck coefficient shows that in both pure and boron-doped graphene, the curve has a minimum value at the temperature of 10 K, which decreases to a lower value by increasing the concentration of boron atoms. Generally, the result of calculations shows that by increasing the boron concentration, not only the energy gap of graphene is changed, but also several changes appear in its thermoelectric properties that can be attributed to the impurity potential distribution. The results of this study can be effectively used for designing semiconductor electronic devices based on the graphene nanoribbon.
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 | 0,001 | 0,000 |
| 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 ».