MétaCan
Menu
Retour à la cohorte
Enregistrement W4389399516 · doi:10.1103/physrevb.108.245404

Carrier mobility tensor in doped phosphorene due to scattering by charged impurities using the energy loss method

2023· article· en· W4389399516 sur OpenAlexafffund
Milad Moshayedi, Z. L. Mišković

Notice bibliographique

RevuePhysical review. B./Physical review. B · 2023
Typearticle
Langueen
DomaineMaterials Science
Thématique2D Materials and Applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhosphoreneImpurityTensor (intrinsic definition)Condensed matter physicsScatteringMaterials scienceElectron mobilityDopingElectronPhysicsOpticsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

We use the energy loss method (ELM) to evaluate the drift mobility tensor of doped phosphorene due to scattering of its carriers on an ensemble of charged impurities located in a substrate. The ELM makes it possible to circumvent the endeavor of numerically solving the Boltzmann transport equation for the same problem, whereby it yields an explicit expression for the mobility tensor components as a double integral, making it straightforward to survey various model layouts and parameters. This enabled us to perform a statistical analysis of the effects of spatial correlation among the impurities by means of a geometric structure factor for the hard-disk model of a planar distribution of pointlike impurities. We found that the correlation distance between impurities plays an important role at doping densities of phosphorene that are lower than the areal density of impurities. Moreover, the ELM naturally brings about the dielectric function of phosphorene, allowing us to explore the role of interband electron transitions in static screening of the impurities, in addition to the role played by the intraband transitions, which we treat in the random phase approximation. We found that the interband transitions augment the screening when impurities are close to phosphorene and when its doping density increases, thereby increasing the mobility tensor components while decreasing their asymmetry ratio.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,097
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,395
Écart entre enseignants0,366 · 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.

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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical review. B./Physical review. BMême sujet2D Materials and ApplicationsTravaux en français237 207