登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《二维层状材料：从机械和耦合性能到电子应用。》

  • 来源专题：实验室生物安全
  • 编译者： 张虎
  • 发布时间：2019-07-11

  • 随着石墨烯诞生后基于二维层状材料（2DLM）的纳米器件越来越受到关注，这些材料的机械和耦合性能在确定纳米器件的性能和寿命方面发挥着重要作用，越来越受到关注。 在这篇综述中，我们总结了研究2DLM力学性能和行为的实验和模拟方法，然后讨论了它们的弹性和失效机理。 为了进一步理解和调整其机械性能和行为，已经考虑了影响机械性能和性能的因素。

  • 原文来源：https://www.ncbi.nlm.nih.gov/pubmed/31287486
201浏览量
原文链接
相关报告

  • 《基于原位电子显微技术的二维材料表征和操控研究进展》
    • 来源专题：中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者：姜山
    • 发布时间：2017-11-16
    • 人类社会的进步与材料发展息息相关，从石器、青铜器、铁器到半导体材料以及各类新材料的制备与使用，使生产力从手工发展到机械化和信息化，极大提高了人们的生产效率与生活质量。近年来发现的二维材料，如单层石墨烯、黑磷、氮化硼、硫属过渡族金属化合物等，是厚度不到头发丝十万分之一的超薄纳米材料。二维材料不仅超薄，而且具有丰富和优异的物理、化学性质，如石墨烯的力学强度比钢铁还要高100多倍，其导电性也高于金属材料，可应用于制造轻薄的柔性电子产品。利用单层过渡族金属硫属化合物的超薄尺寸和良好的半导体性质，能够提高芯片的性能。实现二维材料的可控制备和性能调控，需要对二维材料及其在外部环境激励下的形貌、晶体结构和化学成分进行原子尺度的表征和动态分析。随着微纳加工精细度的提高，尤其是MEMS技术的发展，原位透射电镜技术可以保证在不破坏电镜原有高真空度和原子级别分辨率的条件下，在狭小的样品腔中引入各种外场和环境，甚至实现多场耦合。通过实时分析样品的微观结构和成分在不同外场和环境中的变化过程，揭示二维材料在外场作用下的演变规律，对二维材料的可控制备、性能调控和应用都具有重要的意义。 华东师范大学吴幸课题组在Small最新综述里系统分析了原位透射电子显微学表征和操控二维材料的特点与优势，并介绍了近期本领域取得的新进展。原位透射电镜能够精确识别二维材料中小至原子级别的缺陷，并追踪其产生和迁移等演变过程，二维材料的缺陷和界面对其物理、电学、化学等特性有重要影响。原位透射电镜技术能为实现二维材料的高质量制备和性质的精确调控，提供重要的技术支撑。原位透射电子显微技术不仅能分析二维材料中原子级别的结构和成分信息，还能通过施加外场来操控二维材料。本文介绍了透射电镜中常用的外场及环境，包括电子束辐照、热场、力场、电场、液/气体环境等，与二维材料的动态相互作用及演变规律。该技术对促进二维材料在电子信息、能源、功能材料、航空航天、节能环保、生物医药等领域的应用具有重要的意义。最后总结了目前原位电镜应用于二维材料领域所遇到的问题，并展望了其未来的发展方向。 相关研究成果在线发表在Small（DOI: 10.1002/smll.201604259）上，第一作者为华东师范大学骆晨和王超伦。
    100浏览量
    原文链接

  • 《机器学习算法赋能二维材料识别和检测方面取得进展》
    • 来源专题：先进材料
    • 编译者：张迪
    • 发布时间：2023-11-12
    • 来自科学网 机器学习算法赋能二维材料识别和检测方面取得进展 . 近日，中国 科学院 上海光学精密机械研究所研究员王俊团队在基于机器学习算法实现二维材料层数识别和物性检测方面取得进展，相关文章以Thickness Determination of Ultrathin 2D Materials Empowered by Machine Learning Algorithms为题发表于《激光与光子学评论》（Laser & Photonics Reviews）。 自从发现石墨烯以来，大量新型二维层状材料逐渐被发现和制备，目前已成为涵盖绝缘体、拓扑绝缘体、半导体、半金属到超导体的庞大家族。通常，二维材料的层数对于调节纳米电子和光电器件的性能具有重要意义，在实现进一步的物理研究或器件制造之前，往往需要确定目标样品的最佳厚度。目前，通过光学技术获得光学图像或光谱信息后，后续的数据处理往往依赖研究人员的专业知识，并且受个人经验和主观因素影响较大。 近年来，人工智能改变了现代社会的诸多方面，作为其最重要的子领域，机器学习通过收集和分析数据以预测复杂系统的行为并建立解决问题的模型，为物理、化学、材料科学等传统研究领域带来了新的发展机遇和解决方案。例如光学图像作为实验室中最容易获取的数据集，是解决图层识别高通量和实时性要求的简单方法，机器学习算法可以提取图像中的基本特征并建立决策模型，同时较好地适用于不同的光学系统，以满足不同用户对自动光学识别和表征的要求。除了光学图像，机器学习算法还可以准确高效地分析光谱数据，这不仅可以利用光谱特征信息快速得到所需的样品厚度，还可以从材料本秉特性出发，有效解决不同实验平台间测试数据误差带来的不利影响。更为重要的是，这些机器学习算法赋能的光学解决方案显著促进了建立从数据出发的统一、快速、低成本、无损的测量方法和标准，进而有力推动了二维材料的工业级应用落地。 该文章系统总结了传统光学技术与机器学习算法深度融合面临的发展机遇与难题，提出检测对象的多样性、物理性质的差异性、测试环境的不稳定性、光学技术的易干扰性和相关算法的准确性对跨实验室标准制定带来的潜在风险与挑战。机器学习算法将对二维材料厚度测定的传统研究方法带来深刻变化，将人工劳动从现有的繁琐材料表征过程中逐渐解放出来，有助于推动研究的快速发展，逐步走向实际应用。（来源：中国科学院上海光学精密机械研究所） 相关论文信息： https://doi.org/10.1002/lpor.202200357 机器学习算法赋能二维材料识别和检测 作者：王俊等 来源：《激光与光子学评论》 发布时间：2023/5/23 15:18:31
    115浏览量
    原文链接