Trace doping leads to texture engineering and boosts thermoelectric performance of Bi0.5Sb1.5Te3-based flexible thin films
Notice bibliographique
Résumé
The p -type Bi 0.5 Sb 1.5 Te 3 -based flexible thermoelectric thin films demonstrate exceptional potential for on-chip thermal regulation of next-generation wearable electronics. However, the inferior thermoelectric performance deriving from low carrier mobility, is refraining their wide applications. Taking magnetron-sputtering-prepared Bi 0.5 Sb 1.5 Te 3 -based flexible thermoelectric thin films as examples, this study demonstrates that trace Cu doping can effectively boost the formation of (00 l )-preferred texture, resulting in substantially improved thermoelectric performance. Cu doping preferentially replaces Sb atoms, forming Cu Sb point defects, decreases the surface formation energy of (00 l ) planes, and boosts the formation of (00 l )-preferred texture. The strengthened (00 l )-preferred texture leads to the high carrier mobility of ~23.54 cm 2 V −1 s −1 and excellent electrical conductivity of ~755.05 S cm −1 due to weakened carrier scattering. Consequently, a high room-temperature power factor to ~13.76 μW cm −1 K −2 is achieved. This study demonstrates a trace composition design can effectively boost the formation of (00 l )-preferred texture in Bi 0.5 Sb 1.5 Te 3 -based flexible thermoelectric thin films, contributing to high thermoelectric performance, and extend their application potentials. • Minor Cu-doping can boost the formation of ( 00 l )-preferred texture. • Strengthened texture enhances carrier transport and electrical conductivity. • The thin film with a maximum power factor of ~13.76 μW cm −1 K −2 was achieved. • A device generates a power density of ~121.65 μW cm −2 at ΔT of ~30 K.
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 | 0,000 |
| 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 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 ».