Nanoscale terahertz STM imaging of a metal surface
Notice bibliographique
Résumé
Terahertz scanning tunneling microscopy (THz-STM) has enabled studies of ultrafast dynamics in materials down to the atomic scale. However, despite recent advances, more work is needed to better understand and quantify the subpicosecond THz pulse-induced tunnel currents and corresponding THz-STM images of nanoscale features on surfaces. Here, we perform THz-STM on a metal surface and fully characterize the observed THz pulse-induced tunnel current and nanoscale imaging at atomic steps and defects using a Bardeen tunneling model in a three-dimensional (3D) tip geometry. We show that the measured steady-state STM current-voltage curves can be used in our model to accurately map the observed ultrafast THz-induced tunnel currents and calibrate the magnitude of the near-field peak transient THz voltage bias in the tunnel junction. Peak THz voltage bias transients greater than 10 V across the STM junction are achieved leading to field emission of subpicosecond tunnel currents with current densities exceeding ${10}^{9}\phantom{\rule{0.28em}{0ex}}\mathrm{A}/\mathrm{c}{\mathrm{m}}^{2}$ in THz-STM imaging of a Cu(111) surface. Our results establish an important benchmark for future studies in THz-STM by quantifying the ultrafast THz-induced currents and bias voltages in the tunnel junction and providing a 3D tunneling model for understanding and accurately simulating THz-STM images of nanoscale features on metal surfaces.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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) | 0,000 | 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 ».