(Invited) Growth of Van Der Waals Materials: New Insights from Real-Time Studies
Notice bibliographique
Résumé
The existence of thousands of new 2D materials has been predicted and several of them have been fabricated, mostly by exfoliation from bulk crystals. In addition to their attractive properties, the availability of these 2D materials also creates a wealth of opportunity to engineer complex van der Waals (vdW) heterostructures, thus laying the groundwork to tailor manipulate the basic properties and device performances. However, despite its numerous advantages, this class of materials is yet to be integrated in real technological applications due to several challenges such as the lack of scalable fabrication processes. With this perspective, quasi-epitaxial growth methods have recently been explored to synthesize 2D materials and vdW heterostructures. Herein, by using group V 2D materials as a model system, this presentation will address the current understanding of vdW growth and the key mechanisms governing the nucleation, growth and stability on weakly interacting surfaces. New insights on the interplay between kinetics and thermodynamic driving forces will be described and discussed based on in situ low-energy electron microscopy and diffraction (LEEM/LEED) studies. The combination of LEEM and LEED with ex situ characterization methods allowed us to elucidate the growth mechanisms of stable and metastable 2D-Sb allotropes and 2D-AsSb alloys on conventional semiconductor substrates and graphene. These results lay the groundwork for the development of scalable vdW epitaxial growth methods for emerging 2D materials and vdW heterostructures. Acknowledgment: The authors acknowledge contributions from Robert Jacobberge, Hannes Zschiesche, Andrea Locatelli, Tevfik O. Menteş, Olga Waller, Charles-Antoine Deslauriers, Francesca Genuzio, Gianluigi Botton, Michael S. Arnold.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
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.
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 ».