Impact of dimensional crossover on phonon transport in van der Waals materials: A case study of graphite and graphene
Notice bibliographique
Résumé
Using first-principles modeling we investigate how phonon transport evolves in layered/van der Waals materials when going from 3D to 2D, or vice versa, by gradually pulling apart the atomic layers in graphite to form graphene. Focus is placed on identifying the features impacting thermal conductivity that are likely shared with other layered materials. The thermal conductivity $\ensuremath{\kappa}$ of graphite is found to be lower than that of graphene in large part due to changes in the phonon dispersion driven by van der Waals coupling. Specifically, as the atomic layers are brought closer together, the acoustic flexural phonons in graphene form low-energy optical flexural phonons in graphite that possess lower in-plane velocities, density of states, and phonon occupation, thus reducing $\ensuremath{\kappa}$. Similar dispersion changes, and impact on thermal conductivity, can be expected in other van der Waals materials when transitioning from 2D to 3D. Our findings also indicate that the selection rules in graphene, which reduce phonon-phonon scattering and contribute to its large $\ensuremath{\kappa}$, effectively hold as the atomic layers are brought together to form graphite. While the selection rules do not strictly apply to graphite, in practice reduced scattering is observed due in part to the weak interlayer coupling. This suggests that some bulk van der Waals materials may have lower phonon-phonon scattering rates than other nonlayered bulk materials.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».