MétaCan
Menu
Retour à la cohorte
Enregistrement W2915126471 · doi:10.1063/1.5066029

Tunable electronic properties in stanene and two dimensional silicon-carbide heterobilayer: A first principles investigation

2019· article· en· W2915126471 sur OpenAlexaff
Naim Ferdous, Md. Sherajul Islam, Jeongwon Park, Akihiro Hashimoto

Notice bibliographique

RevueAIP Advances · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceStackingHeterojunctionBand gapSilicon carbideCondensed matter physicsOptoelectronicsChemistryPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

A novel two-dimensional heterobilayer, stanene-silicon carbide (Sn/SiC) is predicted using first principles calculations. Three representational stacking configurations are considered to study the structure and electronic properties of Sn/SiC heterobilayer in detail. All the stacking patterns of the heterobilayer manifest a wide band gap of ∼160meV at the K point with the Dirac cone well preserved, exhibiting the largest energy band gap among all stanene-based two dimensional heterostructures. Moreover, the energy gap can be efficiently varied through changing the interlayer distance between stanene and SiC layer as well as applying biaxial strain. Our computed small effective mass (∼0.0145mo) and the characteristic of nearly linear band dispersion relation of the heterobilayer also suggest high mobility of the carriers. The space charge distribution of the valence and conduction bands and the density of states (DOS) of the heterostructure unravel that SiC monolayer retains the various excellent electrical properties of stanene in a great extent and allows the carriers to move through the stanene layer only. This implies the potentiality of 2D SiC as a good substrate for stanene to adopt the heterobilayer. Our results reveal that Sn/SiC heterobilayer would be a promising platform for future Sn-based high speed nanoelectronic and spintronic 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 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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

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 savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,251
Écart entre enseignants0,233 · 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'étudeSimulation ou modélisation
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

Citations50
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP AdvancesMême sujetGraphene research and applicationsTravaux en français237 207