MétaCan
Menu
Retour à la cohorte
Enregistrement W4403885493 · doi:10.48550/arxiv.2410.02973

Resolving Polarization Switching Pathways of Sliding Ferroelectricity in Trilayer 3R-MoS2

2024· preprint· en· W4403885493 sur OpenAlexfundno aff
Jing Liang, Dongyang Yang, Jingda Wu, Yunhuan Xiao, Kenji Watanabe, Takashi Taniguchi, Jerry I. Dadap, Ziliang Ye

Notice bibliographique

RevuearXiv (Cornell University) · 2024
Typepreprint
Langueen
DomaineMaterials Science
Thématique2D Materials and Applications
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of ScienceCanada First Research Excellence FundNatural Sciences and Engineering Research Council of CanadaUniversity of TokyoCanada Research Chairs
Mots-clésFerroelectricityPolarization (electrochemistry)Materials scienceOptoelectronicsChemistryDielectric

Résumé

récupéré en direct d'OpenAlex

Exploring the pathways of polarization switching in 2D sliding ferroelectrics with multiple internal interfaces is crucial for understanding the switching mechanism and for enhancing their performance in memory-related applications. However, distinguishing the rich configurations of various stacking from a coexistence of polarization domains has remained challenging. In this investigation, we employ optical techniques to resolve the stacking degeneracy in a trilayer 3R-MoS2 across several polarization switching cycles. Through a comprehensive analysis of the unique excitonic response exhibited by different layers, we unveil multiple polarization switching pathways that are determined by the sequential release of domain walls initially pinned at various interfaces within the trilayer, providing an understanding of the switching mechanism in multilayered sliding ferroelectrics. Our study not only reveals the intricate dynamics of polarization switching, but also underscores the crucial role of controlling domain walls, pinning centers, and doping levels, offering new insights for enhancing the applications of these materials in sensing and computing.

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 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 enseignants0,296
Score d'incertitude au seuil1,000

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 ouverte0,0010,001
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 Opus0,078
Tête enseignante GPT0,199
Écart entre enseignants0,121 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujet2D Materials and ApplicationsTravaux en français237 207