搜索结果: 1-15 共查到“二维材料”相关记录204条 . 查询时间(0.228 秒)
中国科学院物理所发展出金模板辅助剥离法构筑大面积二维材料及莫尔超晶格
二维材料 莫尔超晶格 拓扑
2024/5/12
莫尔超晶格是由两个或多个单层/少层二维材料以一定的层间转角堆叠在一起而形成的一类新颖的关联电子材料体系。莫尔超晶格体系具有强的电子关联和能带拓扑特性，展现出一系列衍生现象，如非常规超导、莫尔激子、滑移铁电、分数量子反常霍尔效应等。然而，由于传统机械剥离方法获得的单层/少层二维材料的尺寸小且产率低，增加了构筑摩尔超晶格中的角度对准的难度；构筑高质量莫尔超晶格需要避免湿法转移过程，使得近年来发展的金膜...
《自然·通讯》报道南京工业大学王琳教授团队二维材料生长新进展
自然·通讯 王琳 二维材料
2024/4/16
近日，南京工业大学柔性电子（未来技术）学院王琳教授团队与北京师范大学朱重钦教授团队在《自然·通讯》（Nature Communications）上发表题为“Growth of millimeter-sized 2D metal iodide crystals induced by ion-specific preference at water-air interfaces”的研究论文。我校硕士毕...
英国研究实现二维材料多层原子精确组装
英国 二维材料 多层原子 精确组装
2024/1/17
由英国国家石墨烯研究所领导的团队，利用无机印模在超高真空环境中精确地将二维晶体“拾取并放置”到多达8个单层的范德华异质结构中，创建最干净、最均匀的二维材料堆栈。该技术具有三个方面先进性：一是原子级清洁界面，新的印模设计能够在扩展区域的堆叠二维材料之间创建原子级清洁界面，这是对现有技术的重大改进。二是减少应变不均匀性，新冲压设计提供的刚性已被证明可以大大减少组装堆栈中的应变不均匀性。三是可扩展性，二...
2023年6月14日，南京大学朱嘉教授在清华大学主办的高起点新刊Nano Research Energy上发表题为“Property modulations of two-dimensional materials under compression”的最新综述文章。
南京大学高力波教授课题组制备二维材料成果再登Nature！（图）
二维材料 南京大学物理学院 高力波
2024/5/6
南京大学高力波教授课题组和南方科技大学林君浩副教授课题组紧密合作，通过设计新型堆垛生长二维材料范德华异质结的策略，成功实现27种二组元、15种三组元、5种四组元、3种五组元二维材料范德华异质结，每种组元中的二维材料结构稳定且层数可控，组元层间具有干净且平整的界面。这些二维材料范德华异质结可以观察到超导近邻效应，以及实现PN结整流和超导约瑟夫森结等功能。该成果为二维材料在规模化功能器件方面的应用奠定...
在“非铁电性”单层二维材料中发现铁电性（图）
非铁电性 单层 二维材料 铁电性
2023/5/29
铁电性是一种由电偶极矩自发排列导致的集体极化效应，并且其极化状态可被外部电场翻转。铁电场效应晶体管被认为是下一代非易失性存储器的理想候选者，具有无损读取和快速重复写入的优势，其非易失性功能通过铁电层的双稳态极化来实现。传统铁电材料多为三维钙钛矿结构的氧化物，如BaTiO3, PbTiO3和BiFeO3等，它们通常为带隙大且迁移率低的绝缘体，难以与现有的硅基半导体器件相兼容。近年来，二维范德瓦尔斯铁...
中国科学院物理研究所在“非铁电性”单层二维材料中发现铁电性（图）
非铁电性 二维材料 晶体结构 光电子学
2023/6/28
铁电性是一种由电偶极矩自发排列导致的集体极化效应，并且其极化状态可被外部电场翻转。铁电场效应晶体管被认为是下一代非易失性存储器的理想候选者，具有无损读取和快速重复写入的优势，其非易失性功能通过铁电层的双稳态极化来实现。传统铁电材料多为三维钙钛矿结构的氧化物，如BaTiO3, PbTiO3和BiFeO3等，它们通常为带隙大且迁移率低的绝缘体，难以与现有的硅基半导体器件相兼容。近年来，二维范德瓦尔斯铁...
格致论坛（第十五讲）：叶堉讲述二维材料的制备、物性与相关器件（图）
叶堉 二维材料 二维异质界面
2023/6/16
2023年5月19日，北京大学格致论坛（第十五讲）在北京大学物理学院思源多功能厅成功举办。
二维材料内首次探测到自旋结构
二维材料 自旋结构 中国石化 2D材料
2023/5/19
美国桑迪亚国家实验室综合纳米技术中心和奥地利因斯布鲁克大学的科学家在最新一期《自然·物理学》杂志上发表论文称，他们首次观测到了二维(2D)材料内的自旋结构。这一进展为直接研究电子在2D量子材料内的自旋特性奠定了基础，有望催生基于这些材料的计算和通信产品。
2023年5月19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 Review...
近期，中国科学院上海光学精密机械研究所光芯片集成研发中心王俊研究员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，相关综述论文以“Thickness Determination of Ultrathin 2D Materials Empowered by Machine Learning Algorithms”为题发表于Laser & Photonics Reviews，并被编辑...
