Nanoscale Si fishbone structures for manipulating heat transport using phononic resonators for thermoelectric applications
Notice bibliographique
Résumé
Abstract Thermoelectric materials have the potential to convert waste heat into electricity, but their thermoelectric efficiency must be improved before they are effective and economically viable. One promising route to improving thermoelectric efficiency in thin-film thermoelectric materials is to reduce the material’s thermal conductivity through nanopatterning the surface. In this work nanoscale phononic resonators are introduced to the surface, and their potential to reduce thermal conductivity is explored via coupled experimental and theoretical techniques. Atomistic modelling is used to predict the dependence of the thermal conductivity on different design parameters and used to guide the design and fabrication of silicon fishbone nanostructures. The nanostructure design incorporates a variation on design parameters such as barb length, width and spacing along the shaft length to enable correlation with changes in thermal conductivity. The thermal characteristics of the nanostructures are investigated experimentally using the spatial resolution of scanning thermal microscopy to correlate changes in thermal conductivity with the changes in the structure parameters. The method developed uses a microheater to establish a temperature gradient along the structure which will be affected by any local variations in thermal conductivity. The impact on the thermal gradient and consequently on the tip temperature is modelled using finite element computer simulations. Experimental changes as small as 7.5% are shown to be detectable in this way. Despite the experimental technique being shown to be able to detect thermal changes far smaller than those predicted by the modelling, no modifications of the thermal conductivity are detected. It is concluded that in order to realise the effects of phononic resonators to reduce thermal conductivity, that much smaller structures with a greater ratio of resonator to shaft will be needed.
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 ».