Liquid‐Metal Synthesized Ultrathin SnS Layers for High‐Performance Broadband Photodetectors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Atomically thin materials face an ongoing challenge of scalability, hampering practical deployment despite their fascinating properties. Tin monosulfide (SnS), a low‐cost, naturally abundant layered material with a tunable bandgap, displays properties of superior carrier mobility and large absorption coefficient at atomic thicknesses, making it attractive for electronics and optoelectronics. However, the lack of successful synthesis techniques to prepare large‐area and stoichiometric atomically thin SnS layers (mainly due to the strong interlayer interactions) has prevented exploration of these properties for versatile applications. Here, SnS layers are printed with thicknesses varying from a single unit cell (0.8 nm) to multiple stacked unit cells (≈1.8 nm) synthesized from metallic liquid tin, with lateral dimensions on the millimeter scale. It is reveal that these large‐area SnS layers exhibit a broadband spectral response ranging from deep‐ultraviolet (UV) to near‐infrared (NIR) wavelengths (i.e., 280–850 nm) with fast photodetection capabilities. For single‐unit‐cell‐thick layered SnS, the photodetectors show upto three orders of magnitude higher responsivity (927 A W −1 ) than commercial photodetectors at a room‐temperature operating wavelength of 660 nm. This study opens a new pathway to synthesize reproduceable nanosheets of large lateral sizes for broadband, high‐performance photodetectors. It also provides important technological implications for scalable applications in integrated optoelectronic circuits, sensing, and biomedical imaging.
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.
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 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle