MétaCan
Menu
Retour à la cohorte
Enregistrement W3132765258 · doi:10.48550/arxiv.2010.15953

Plasma frequency in doped highly mismatched alloys

2020· article· en· W3132765258 sur OpenAlexaff
Hassan Allami, Jacob J. Krich

Notice bibliographique

RevuearXiv (Cornell University) · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSurface and Thin Film Phenomena
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPlasmonDopingSemiconductorBand gapMaterials scienceCondensed matter physicsPlasma oscillationAlloyFrequency bandPlasmaLow frequencyConduction bandRange (aeronautics)Effective mass (spring–mass system)Electronic band structurePhysicsOptoelectronicsElectronQuantum mechanicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Highly mismatched alloys (HMAs) have band structures strongly modified due to the introduction of the alloying element. We consider HMAs where the isolated state of the alloying element is near the host conduction band, which causes the conduction band to split into two bands. We determine the bulk plasma frequency when the lower-energy band is partially occupied, as by doping, using a semi-analytical method based on a disorder-averaged Green's function. We include the nontrivial effects of interband transitions to the higher-energy band, which limit the plasma frequency to be less than an effective band gap. We show that the distribution of states in the split bands causes plasmons in HMAs to behave differently than plasmons in standard metals and semiconductors. The effective mass of the lower split band $m^*$ changes with alloy fraction, and we find that the plasmon frequency with small carrier concentration $n$ scales with $\sqrt{n}/m^*$ rather than the $\sqrt{n/m^*}$ that is expected in standard materials. We suggest experiments to observe these phenomena. Considering the typical range of material parameters in this group of alloys and taking a realistic example, we suggest that HMAs can serve as highly tunable low-frequency plasmonic 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,166
Écart entre enseignants0,119 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetSurface and Thin Film PhenomenaTravaux en français237 207