Selective nitrogen doping of graphene due to preferential healing of plasma-generated defects near grain boundaries
Notice bibliographique
Résumé
Abstract Hyperspectral Raman IMAging (RIMA) is used to study spatially inhomogeneous polycrystalline monolayer graphene films grown by chemical vapor deposition. Based on principal component analysis clustering, distinct regions are differentiated and probed after subsequent exposures to the late afterglow of a microwave nitrogen plasma at a reduced pressure of 6 Torr (800 Pa). The 90 × 90 µm2RIMA mapping shows differentiation between graphene domains (GDs), grain boundaries (GBs), as well as contaminants adsorbed over and under the graphene layer. Through an analysis of a few relevant band parameters, the mapping further provides a statistical assessment of damage, strain, and doping levels in plasma-treated graphene. It is found that GBs exhibit lower levels of damage and N-incorporation than GDs. The selectivity at GBs is ascribed to (i) a low migration barrier of C adatoms compared to N-adatoms and vacancies and (ii) an anisotropic transport of C adatoms along GBs, which enhances adatom-vacancy recombination at GBs. This preferential self-healing at GBs of plasma-induced damage ensures selective incorporation of N-dopants at plasma-generated defect sites within GDs. This surprising selectivity vanishes, however, as the graphene approaches an amorphous state.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».