MétaCan
Menu
Retour à la cohorte
Enregistrement W3024225389 · doi:10.1149/ma2020-0110859mtgabs

Architectures of Graphene-Based Field-Effect Transistors for Single-Molecule Experiments

2020· article· en· W3024225389 sur OpenAlexaff
Amira Bencherif, Monique Tie, Richard Martel, Delphine Bouilly

Notice bibliographique

RevueECS Meeting Abstracts · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensRegroupement Québécois sur les Matériaux de PointeUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésGrapheneNanotechnologyMaterials scienceField-effect transistorFabricationNanowireCarbon nanotubeChemical vapor depositionPhotolithographyTransistorWaferVoltageElectrical engineering

Résumé

récupéré en direct d'OpenAlex

With progress in the extreme miniaturisation of electronic components and the discovery of low-dimensional conductive materials, it is now possible to assemble field-effect transistors (FETs) that can incorporate single-molecule components as a channel or gate1,2. Such types of FETs have been recently used to detect and study various fundamental mechanisms at the single-molecule scale, among which the folding and unfolding of molecules, hybridization mechanisms, charge transport or chemical reactions1–5. In these experiments, devices were typically fabricated using architectures based on individual 1D materials, such as carbon nanotubes (CNTs) and silicon nanowires. The 1D topology facilitates the isolation of individual molecules in the circuit, but present drawbacks in scalability due to challenges in the growth, purification and/or assembling of such 1D materials into FET circuits. Here, we present new top-down approaches for the fabrication of single-molecule FETs, based on 2D graphene architectures. As CNTs, graphene is made of an hexagonal carbon lattice enabling excellent conductivity as well as carbon-based chemistry to anchor individual molecules, yet its 2D topology is more compatible with wafer-scale fabrication processes. First, we report the fabrication of large arrays of FETs based on graphene ribbons with controlled electrical properties. These arrays were built from high-quality large area graphene synthesized by chemical vapor deposition (CVD), followed by patterning steps using photolithography and plasma etching processes. Then, we report the design of two different architectures for single-molecule experiments: nanoconstrictions and nanogaps. Nanoconstrictions were achieved using electron-beam lithography (EBL), allowing to pattern high-resolution features (50nm) in the graphene channel. Nanogaps were obtained using the electroburning technique to open a gap of a few nanometers in the graphene channel6. We will present the design and fabrication process of these architectures, as well as their characterization using high-resolution microscopy (SEM/AFM) and transport measurements. Finally, we will discuss approached for the single-molecule functionalization for these architectures and their application in conductance-based single-molecule measurements. References 1. Vernick, S. et al. Electrostatic melting in a single-molecule field-effect transistor with applications in genomic identification. Nat. Commun. 8, 1–9 (2017). 2. Guo, X., Gorodetsky, A. A., Hone, J., Barton, J. K. & Nuckolls, C. Conductivity of a single DNA duplex bridging a carbon nanotube gap. Nat. Nanotechnol. 3, 163–167 (2008). 3. He, G., Li, J., Ci, H., Qi, C. & Guo, X. Direct Measurement of Single-Molecule DNA Hybridization Dynamics with Single-Base Resolution. Angew. Chemie - Int. Ed. 55, 9036–9040 (2016). 4. Bouilly, D. et al. Single-molecule reaction chemistry in patterned nanowells. Nano Lett. 16, 4679–4685 (2016). 5. Guo, X. Revealing the direct effect of individual intercalations on DNA conductance toward single-molecule electrical biodetection. J. Mater. Chem. B 3, 5150–5154 (2015). 6. Xu, Q. et al. Single Electron Transistor with Single Aromatic Ring Molecule Covalently Connected to Graphene Nanogaps. Nano Lett. 17, 5335–5341 (2017).

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,032
Tête enseignante GPT0,294
Écart entre enseignants0,261 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetGraphene research and applicationsTravaux en français237 207