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 ZrS2 monolayer doped with transition metals (TMs) Ni, Pd, or Pt, for three target gases CO2, SO2, and NO2. Our findings reveal that the pristine ZrS2 monolayer exhibits only a weak physical adsorption, whereas TM-doped monolayers show significantly enhanced sensing capabilities. The Ni–ZrS2 monolayer increases the charge transfer for NO2 by a factor of 6.75, while the Pd–ZrS2 monolayer shows an eightfold improvement for SO2. Notably, the adsorption of NO2 leads to substantial modifications in the band structure of the ZrS2 monolayer, suggesting its use as a resistive NO2 sensor. The Pd–ZrS2 and Pt–ZrS2 monolayers exhibit shorter recovery times at temperatures of 348 K and 398 K after adsorbing SO2 and NO2, highlighting their suitability for repeated detection. Additionally, the transport properties of TM-ZrS2-based devices are analyzed by NEGF. For CO2, SO2, and NO2, sensitivities of up to 1.53, 4.60, and 2.01 are observed for the Pd–ZrS2, Pt–ZrS2, and Ni–ZrS2-based devices, respectively, under specific bias. This study demonstrates that TM-ZrS2-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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».