Oxygen Driven Defect Engineering of Monolayer MoS<sub>2</sub> for Tunable Electronic, Optoelectronic, and Electrochemical Devices
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Molybdenum disulfide (MoS 2 ), a two‐dimensional (2D) semiconducting material harbors intrinsic defects that can be harnessed to achieve tuneable electronic, optoelectronic, and electrochemical devices. However, achieving precise control over defect formation within monolayer MoS 2 , remains a notable challenge. Here, an in‐situ defect engineering approach for monolayer MoS 2 using a pressure‐dependent chemical vapor deposition (CVD) process is presented. Monolayer MoS 2 grown in a low pressure CVD conditions (LP‐MoS 2 ) produces sulfur vacancy ( V s ) induced defect‐rich crystals primarily attributed to the oxygen‐deficient growth conditions. Conversely, atmospheric pressure CVD‐grown MoS 2 (AP‐MoS 2 ) passivates these defects with oxygen from ambient conditions. This disparity in defect profiles profoundly impacts crucial functional properties and device performance. AP‐MoS 2 shows a drastically enhanced photoluminescence, which is significantly quenched in LP‐MoS 2 attributed to in‐gap electron donor states induced by the V s defects. However, the n‐doping induced in LP‐MoS 2 generates enhanced photoresponsivity and detectivity in fabricated photodetectors compared to the AP‐MoS 2 ‐based devices. Defect‐rich LP‐MoS 2 outperforms AP‐MoS 2 as channel layers of field‐effect transistors (FETs), as well as electrocatalytic material for hydrogen evolution reaction (HER). This work presents a single‐step CVD approach for in situ defect engineering in monolayer MoS 2 and presents a pathway to control defects in other monolayer 2D materials.
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.
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 | 0,000 | 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) | 0,000 | 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 découle