Origin of Intrinsically Low Thermal Conductivity in Talnakhite Cu<sub>17.6</sub>Fe<sub>17.6</sub>S<sub>32</sub> Thermoelectric Material: Correlations between Lattice Dynamics and Thermal Transport
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
Understanding the nature of phonon transport in solids and the underlying mechanism linking lattice dynamics and thermal conductivity is important in many fields, including the development of efficient thermoelectric materials where a low lattice thermal conductivity is required. Herein, we choose the pair of synthetic chalcopyrite CuFeS2 and talnakhite Cu17.6Fe17.6S32 compounds, which possess the same elements and very similar crystal structures but very different phonon transport, as contrasting examples to study the influence of lattice dynamics and chemical bonding on the thermal transport properties. Chemically, talnakhite derives from chalcopyrite by inserting extra Cu and Fe atoms in the chalcopyrite lattice. The CuFeS2 compound has a lattice thermal conductivity of 2.37 W m–1 K–1 at 625 K, while Cu17.6Fe17.6S32 features Cu/Fe disorder and possesses an extremely low lattice thermal conductivity of merely 0.6 W m–1 K–1 at 625 K, approaching the amorphous limit κmin. Low-temperature heat capacity measurements and phonon calculations point to a large anharmonicity and low Debye temperature in Cu17.6Fe17.6S32, originating from weaker chemical bonds. Moreover, Mössbauer spectroscopy suggests that the state of Fe atoms in Cu17.6Fe17.6S32 is partially disordered, which induces the enhanced alloy scattering. All of the above peculiar features, absent in CuFeS2, contribute to the extremely low lattice thermal conductivity of the Cu17.6Fe17.6S32 compound.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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