项目名称: 具有多铁性质的单一手性配位化合物

项目编号: No.20871028

项目类型: 面上项目

立项/批准年度: 2009

项目学科: 化学工业

项目作者: 瞿志荣

作者单位: 东南大学

项目金额: 40万元

中文摘要: 磁性材料与电子材料的发展渗透于现代技术的各个领域中,器械小型化发展导致人们对集电性和磁性于一身的多功能材料研究兴趣提高。铁电性质和铁磁性质一直都具有广泛和重要的用途,它们在微电子以及分子器件中的用途尤其注目。而兼具以上两方面性质的化合物(人们称之为多铁性化合物),由于电性与磁性相互作用能产生附加功能。例如磁电效应(电场引起的磁极化,或磁场引起的电极化)能够产生全新的器件范例。由于其在实际应用中的重要作用,最近越来越受到人们的关注,人们已经开始合成具有多铁性的化合物并研究该类物质中的电磁相关性,以此来寻找多铁性材料在科技中的应用。杂化无机有机材料(金属有机配位化合物)同时具有无机及有机材料的优点,本课题将在我们以前的工作基础上,设计与可控合成单一手性的配位化合物,通过晶体学表征筛选材料研究它们的多铁性,研究该类功能配合物材料中的铁电和铁磁相关性,从而对单一手性配合物的多铁性进行系统深入研究。

中文关键词: 多铁性;单一手性配位化合物;铁电-铁磁耦合

英文摘要:

英文关键词:

成为VIP会员查看完整内容
0

相关内容

【ETH博士论文】贝叶斯深度学习,241页pdf
专知会员服务
125+阅读 · 2022年1月16日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
专知会员服务
19+阅读 · 2021年9月14日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
49+阅读 · 2021年6月16日
专知会员服务
31+阅读 · 2021年5月7日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
【经典书】机器学习高斯过程,266页pdf
专知会员服务
195+阅读 · 2020年5月2日
基于图神经网络的知识图谱研究进展
AI科技评论
20+阅读 · 2020年8月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年5月19日
Arxiv
13+阅读 · 2021年10月22日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
Arxiv
102+阅读 · 2020年3月4日
Arxiv
15+阅读 · 2019年3月16日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
小贴士
相关主题
相关VIP内容
【ETH博士论文】贝叶斯深度学习,241页pdf
专知会员服务
125+阅读 · 2022年1月16日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
专知会员服务
19+阅读 · 2021年9月14日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
49+阅读 · 2021年6月16日
专知会员服务
31+阅读 · 2021年5月7日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
【经典书】机器学习高斯过程,266页pdf
专知会员服务
195+阅读 · 2020年5月2日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年5月19日
Arxiv
13+阅读 · 2021年10月22日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
Arxiv
102+阅读 · 2020年3月4日
Arxiv
15+阅读 · 2019年3月16日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
微信扫码咨询专知VIP会员