(Invited) Experimental Quantum Transport in Strain Engineered Graphene - Towards NOEMS
Notice bibliographique
Résumé
We measure ballistic charge conductivity in strained suspended graphene and observe the theoretically predicted [1] strain-induced scalar and vector potentials. To do so, we built an experimental platform for quantum transport strain engineering in 2D materials. This instrumentation permits low temperature (0.3 K- 70 K) transport in 0 to 9 Tesla magnetic fields. The tunable uniaxial strain (up to 3%) is completely decoupled from the gate-tunable charge density, permitting quantitative understanding of strain effects. We show slippage-free mechanical clamping of high aspect-ratio graphene crystals, where atomically ordered edges are unnecessary for quantitative straintronics. We study in detail transport in a ballistic graphene channel whose length is 90 nm and width is 600nm. By applying strain up to 0.6 % in this device, we observe that the strain-induced scalar potential shifts its low energy band structure downward by up to 30 meV. We show precise control of the gauge vector potential which reversibly suppresses the conductance by up to 14 %. We conclude with a brief overview of other projects aimed at integrating both RF dynamic strain control and optically resonant cavities in suspended bilayer graphene devices to achieve fully tunable nano-opto-electro-mechanical (NOEMS) carbon systems. We report for instance a nitrocellulose-based dry-stamping method to manipulate and suspend individual 2D materials. Using this method we assembled optical cavities able to a widely tune light absorption in graphene. [1] A. C. McRae, G. Wei, and A. R. Champagne, Phys. Rev. Applied 11, 054019 (2019) Figure 1
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».