MétaCan
Menu
Retour à la cohorte
Enregistrement W2966853104 · doi:10.1088/1361-6528/ab3697

Anomalous temperature dependent thermal conductivity of two-dimensional silicon carbide

2019· article· en· W2966853104 sur OpenAlexaff
A. S. M. Jannatul Islam, Md. Sherajul Islam, Naim Ferdous, Jeongwon Park, Ashraful G. Bhuiyan, Akihiro Hashimoto

Notice bibliographique

RevueNanotechnology · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésThermal conductivityMaterials sciencePhononCondensed matter physicsSilicon carbideThermal conductionCarbideComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Recently, two-dimensional silicon carbide (2D-SiC) has attracted considerable interest due to its exotic electronic and optical properties. Here, we explore the thermal properties of 2D-SiC using reverse non-equilibrium molecular dynamics simulation. At room temperature, a thermal conductivity of ∼313 W mK −1 is obtained for 2D-SiC which is one order higher than that of silicene. Above room temperature, the thermal conductivity deviates the normal 1/ T law and shows an anomalous slowly decreasing behavior. To elucidate the variation of thermal conductivity, the phonon modes at different length and temperature are quantified using Fourier transform of the velocity auto-correlation of atoms. The calculated phonon density of states at high temperature shows a shrinking and softening of the peaks, which induces the anomaly in the thermal conductivity. On the other hand, quantum corrections are applied to avoid the freezing effects of phonon modes on the thermal conductivity at low temperature. In addition, the effect of potential on the thermal conductivity calculation is also studied by employing original and optimized Tersoff potentials. These findings provide a means for better understating as well as designing the efficient thermal management of 2D-SiC based electronics and optoelectronics in near future.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,585

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,262
Écart entre enseignants0,252 · 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 tête enseignante, 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

Citations65
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetGraphene research and applicationsTravaux en français237 207