MétaCan
Menu
Retour à la cohorte
Enregistrement W2944127831 · doi:10.48550/arxiv.1809.09679

Graphene Quantum Strain Transistors

2018· article· en· W2944127831 sur OpenAlexaff
A. C. McRae, Guoqing Wei, A. R. Champagne

Notice bibliographique

RevuearXiv (Cornell University) · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésGrapheneTransistorStrain engineeringStrain (injury)Materials scienceElectronicsRealization (probability)QuantumCharge (physics)Ballistic conductionNanotechnologyOptoelectronicsEngineering physicsPhysicsElectrical engineeringQuantum mechanicsEngineeringVoltageElectronMathematics

Résumé

récupéré en direct d'OpenAlex

There is a wide range of science and applications accessible via the strain engineering of quantum transport in 2D materials. We propose a realistic experimental platform for uniaxial strain engineering of ballistic charge transport in graphene. We then develop an applied theoretical model, based on this platform, to calculate charge conductivity and demonstrate graphene quantum strain transistors (GQSTs). We define GQSTs as mechanically strained ballistic graphene transistors with on/off conductivity ratios $> 10^{4}$, and which can be operated via modest gate voltages. Such devices would permit excellent transistor operations in pristine graphene, where there is no band gap. We consider all dominant uniaxial strain effects on conductivity, while including experimental considerations to guide the realization of the proposal. We predict multiple strain-tunable transport signatures, and demonstrate that a broad range of realistic device parameters lead to robust GQSTs. These devices could find applications in flexible electronic transistors, strain sensors, and valleytronics.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,074
Tête enseignante GPT0,206
Écart entre enseignants0,132 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetGraphene research and applicationsTravaux en français237 207