Anomalous 2D and D + D’’ Raman signatures in few-layer graphene
Notice bibliographique
Résumé
Abstract Since the early 1980s, Raman spectroscopy has been a key tool for characterizing carbon-based materials. The discovery of graphene has significantly boosted the use of Raman spectroscopy, leading to exponential growth in its applications. Despite this, anomalies in the Raman signatures of many graphene-based systems remain prevalent. In this study, we revisit the Raman spectroscopy of mono- and few-layer graphene using high-resolution experimental data, focusing on the Raman 2D and D + D’’ peaks and their characterization using Lorentzian fitting. Our observations reveal that the Raman 2D peak of bilayer graphene consists of four Lorentzian peaks with uniform widths. In contrast, the Raman 2D peak of four-layer graphene displays an anomalous signature with eight Lorentzian peaks of varying widths. We interpret this anomaly through group theory analysis of electron–phonon interactions and compare our findings with existing literature. Additionally, we highlight that the Raman D + D’’ peaks exhibit asymmetric profiles across monolayer, few-layer, and bulk graphite. For monolayer graphene and bulk graphite, the signature is characterized by a dominant peak at 2445 cm −1 , efficiently captured by two Lorentzian peaks at par with existing literature. However, for bilayer, trilayer, and four-layer graphene, the D + D’’ Raman signatures show a broader peak profile with a dominant peak at 2460 cm −1 and multiple neighboring peaks. Instead of two Lorentzian sub-peaks, these signatures for few-layer graphene are better characterized using three or four Lorentzian sub-peaks, indicating more electron–phonon transitions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».