MétaCan
Menu
Retour à la cohorte
Enregistrement W4281816304 · doi:10.1021/acs.nanolett.2c00850

Direct View of Phonon Dynamics in Atomically Thin MoS<sub>2</sub>

2022· article· en· W4281816304 sur OpenAlexafffund
Tristan L. Britt, Qiuyang Li, Laurent P. René de Cotret, Nicholas Olsen, Martin Otto, Syed Ali Hassan, Marios Zacharias, Fabio Caruso, Xiaoyang Zhu, Bradley J. Siwick

Notice bibliographique

RevueNano Letters · 2022
Typearticle
Langueen
DomaineMaterials Science
Thématique2D Materials and Applications
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaDeutsche ForschungsgemeinschaftCanada Foundation for InnovationFonds de recherche du Québec – Nature et technologiesCyprus University of Technology
Mots-clésPhononMonolayerMaterials scienceCondensed matter physicsHeterojunctionMolybdenum disulfideSubstrate (aquarium)Chemical physicsElectronMolecular physicsNanotechnologyOptoelectronicsChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Transition-metal dichalcogenide monolayers and heterostructures are highly tunable material systems that provide excellent models for physical phenomena at the two-dimensional (2D) limit. While most studies to date have focused on electrons and electron–hole pairs, phonons also play essential roles. Here, we apply ultrafast electron diffraction and diffuse scattering to directly quantify, with time and momentum resolution, electron–phonon coupling (EPC) in monolayer molybdenum disulfide and phonon transport from the monolayer to a silicon nitride substrate. Optically generated hot carriers result in a profoundly anisotropic distribution of phonons in the monolayer within ∼5 ps. A quantitative comparison with ab initio ultrafast dynamics simulations reveals the essential role of dielectric screening in weakening EPC. Thermal transport from the monolayer to the substrate occurs with the phonon system far from equilibrium. While screening in 2D is known to strongly affect equilibrium properties, our findings extend this understanding to the dynamic regime.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,442

Scores Codex et Gemma par catégorie

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 Opus0,007
Tête enseignante GPT0,212
Écart entre enseignants0,205 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations40
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujet2D Materials and ApplicationsTravaux en français237 207