MétaCan
Menu
Retour à la cohorte
Enregistrement W6958099154 · doi:10.60692/deprt-ftg24

Exceptional in-plane and interfacial thermal transport in graphene/2D-SiC van der Waals heterostructures

2020· article· en· W6958099154 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueThermal properties of materials
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésGrapheneThermal conductionThermal conductivityvan der Waals forceHeterojunctionThermalRectificationThermal resistance

Résumé

récupéré en direct d'OpenAlex

Abstract Graphene based van der Waals heterostructures (vdWHs) have gained substantial interest recently due to their unique electrical and optical characteristics as well as unprecedented opportunities to explore new physics and revolutionary design of nanodevices. However, the heat conduction performance of these vdWHs holds a crucial role in deciding their functional efficiency. In-plane and out-of-plane thermal conduction phenomena in graphene/2D-SiC vdWHs were studied using reverse non-equilibrium molecular dynamics simulations and the transient pump-probe technique, respectively. At room temperature, we determined an in-plane thermal conductivity of ~ 1452 W/m-K for an infinite length graphene/2D-SiC vdWH, which is superior to any graphene based vdWHs reported yet. The out-of-plane thermal resistance of graphene → 2D-SiC and 2D-SiC → graphene was estimated to be 2.71 × 10 −7 km 2 /W and 2.65 × 10 −7 km 2 /W, respectively, implying the absence of the thermal rectification effect in the heterobilayer. The phonon-mediated both in-plane and out-of-plane heat transfer is clarified for this prospective heterobilayer. This study furthermore explored the impact of various interatomic potentials on the thermal conductivity of the heterobilayer. These findings are useful in explaining the heat conduction at the interfaces in graphene/2D-SiC vdWH and may provide a guideline for efficient design and regulation of their thermal characteristics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,201
Écart entre enseignants0,172 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetThermal properties of materialsTravaux en français237 207