Transition metal-doped ZrS<sub>2</sub> monolayer as potential gas sensor for CO<sub>2</sub>, SO<sub>2</sub>, and NO<sub>2</sub>: density functional theory and non-equilibrium Green’s functions’ analysis
Notice bibliographique
Résumé
Abstract Density functional theory combined with the non-equilibrium Green’s function (NEGF) is used to systematically analyze the adsorption and sensing properties of a pristine ZrS 2 monolayer doped with transition metals (TMs) Ni, Pd, or Pt, for three target gases CO 2 , SO 2 , and NO 2 . Our findings reveal that the pristine ZrS 2 monolayer exhibits only a weak physical adsorption, whereas TM-doped monolayers show significantly enhanced sensing capabilities. The Ni–ZrS 2 monolayer increases the charge transfer for NO 2 by a factor of 6.75, while the Pd–ZrS 2 monolayer shows an eightfold improvement for SO 2 . Notably, the adsorption of NO 2 leads to substantial modifications in the band structure of the ZrS 2 monolayer, suggesting its use as a resistive NO 2 sensor. The Pd–ZrS 2 and Pt–ZrS 2 monolayers exhibit shorter recovery times at temperatures of 348 K and 398 K after adsorbing SO 2 and NO 2 , highlighting their suitability for repeated detection. Additionally, the transport properties of TM-ZrS 2 -based devices are analyzed by NEGF. For CO 2 , SO 2 , and NO 2 , sensitivities of up to 1.53, 4.60, and 2.01 are observed for the Pd–ZrS 2 , Pt–ZrS 2 , and Ni–ZrS 2 -based devices, respectively, under specific bias. This study demonstrates that TM-ZrS 2 -based devices can realize repetitive and sensitive detection of specific target gases at different temperatures and biases, revealing their potential applications.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».