Magnetic Nanosheets via Chemical Exfoliation of K<sub>2<i>x</i></sub>Mn<sub><i>x</i></sub>Sn<sub>1–<i>x</i></sub>S<sub>2</sub>
Notice bibliographique
Résumé
We report two chemical routes to prepare new magnetically doped two-dimensional (2D) tin sulfides, i.e., MnxSn1–xS2 (x = 0.1–0.2), as derivatives of K2xMnxSn1–xS2. Initial codoping with K ensures high Mn doping in the nanosheets and is additionally aiding exfoliation. In chemical route 1, the parent compound is first reacted with a diluted HCl solution, which dissolves all K and half the Mn atoms, followed by treatment with TEAOH/methanol, which results in exfoliation. In chemical route 2, K2xMnxSn1–xS2 is treated with I2 in acetonitrile, leading to the removal of almost all K atoms, followed by dispersing the product in dimethylformamide, which results in partial exfoliation. The composition and structures are characterized using scanning electron microscopy, high-resolution scanning transmission electron microscopy, and selected area electron diffraction. After K removal and before exfoliation, the structure is trigonal (P3̅m) featuring hexagonal slabs with AA stacking and appropriate interlayer space along the c axis. Upon shaking, both MnxSn1–xS2 (x = 0.1–0.2) phases can be exfoliated into thinner flakes, but nanosheets with a thickness of 2.5 nm can only be achieved via chemical route 1. Magnetic susceptibility measurements of the parent, intermediate, and restacked exfoliated products reveal that the manganese magnetic moment saturates at a moderate field, only in the exfoliated material. MnxSn1–xS2 nanosheets can be viewed as a magnetically doped derivative of SnS2, a material that is used as a high on/off ratio transistor, photocatalyst, and electrode material. Therefore, the new layered metal sulfides obtained here may have diverse applications in 2D magnetism, catalysis, or batteries.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».