Determination of the thermo-electronic and structural properties of polycrystalline metals and single-crystal semiconductors
Notice bibliographique
Résumé
• Correlation established between thermal, electrical, and structural properties. • FDPA, TRM, and Van der Pauw applied to characterize thermo-electronic properties. • Analysis includes polycrystalline metals and semiconductors with varying structures. • Thermal conductivity strongly depends on crystallite size. This study explores the correlation between thermal, electrical, and structural properties of metals, alloys, and single-crystal semiconductors using photothermal techniques, electrical methods, and X-ray diffraction. Polycrystalline metals (Al, Pt, Ti, Cu, AISI 1030 steel, α-brass) and semiconductors (Si, GaSb-Te) were systematically analyzed. Thermal diffusivity was measured using Frequency Domain Photoacoustic (FDPA), and thermal conductivity and volumetric heat capacity using the Thermal Relaxation Method (TRM). A thermal diffusivity image for a Si sample was taken to show the influence of mechanical damage on the thermal transport properties. The structural properties were determined using X-ray diffraction, while the electrical properties were evaluated using the Van der Pauw method. The results show a strong correlation between the thermal, electrical, and structural properties of the materials, specifically with respect to crystallite size and space group. The thermal conductivity is influenced by the crystallite size, while electrical conductivity varies due to extrinsic factors, especially for polycrystalline metals. These results suggest that the Wiedemann-Franz theory needs to be re-evaluated by considering both intrinsic and extrinsic influences on material behavior.
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 ».