MétaCan
Menu
Retour à la cohorte
Enregistrement W4388868366 · doi:10.1021/acsaem.3c02062

Intrinsic Modulation Doping Enhances the Thermoelectric Performance of Monolayer GaGeTe

2023· article· en· W4388868366 sur OpenAlexaff
Mohammad Rafiee Diznab, Yi Xia, S. Shahab Naghavi

Notice bibliographique

RevueACS Applied Energy Materials · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Thermoelectric Materials and Devices
Établissements canadiensDalhousie University
Organismes subventionnairesShahid Beheshti University
Mots-clésGermaneneMonolayerThermoelectric effectThermoelectric materialsMaterials scienceDopingCondensed matter physicsElectron mobilityFigure of meritPhononOptoelectronicsNanotechnologyEngineering physicsGraphenePhysics

Résumé

récupéré en direct d'OpenAlex

Modulation doping is a well-known approach for improving the efficiency of bulk thermoelectrics, yet its application to 2D materials has remained elusive. Our thorough first-principles calculations reveal a unique intrinsic modulation doping in monolayer GaGeTe that synergistically raises its electrical transport coefficients while dwarfing its lattice heat transport, resulting in a high thermoelectric figure of merit, zT . Herein, we envision 2D GaGeTe as a chair-like germanene monolayer shrouded by two GaTe layers. The germanene layer donates electrons to the outer GaTe, creating a spatial separation between the electron-donation center and charge transport channels, a feature that suppresses free carrier scattering. Our accurate electron–phonon calculations explain that electrical transport in GaGeTe results from the metallic nature of germanene combined with the Mexican-hat shape of the GaTe valence band. The superior electrical and poor heat transport coefficients turn GaGeTe into a promising p-type thermoelectric monolayer working at moderate carrier concentrations of ≈10 13 cm –2 . The presented results put forward a distinct design approach for identifying competent thermoelectrics among 2D materials whose frail structures cannot tolerate heavy doping.

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)0,001
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 enseignants0,011
Score d'incertitude au seuil0,704

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,222
Écart entre enseignants0,211 · 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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Applied Energy MaterialsMême sujetAdvanced Thermoelectric Materials and DevicesTravaux en français237 207