项目名称: 单层石墨烯表面上芳香类吸附分子局域掺杂行为的超分辨拉曼光谱研究

项目编号: No.61306115

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 苏伟涛

作者单位: 杭州电子科技大学

项目金额: 25万元

中文摘要: 芳香类分子既能够对石墨烯进行掺杂改性,又有可能作为吸附污染源而导致石墨烯器件性能退化,是近年来的研究热点。在未来石墨烯纳米器件生产中,芳香类吸附分子的局域掺杂行为对器件设计和性能退化有重要意义。在本研究中,申请人计划使用超分辨针尖增强拉曼光谱(TERS),同时利用TERS和石墨烯增强拉曼光谱(GERS),通过对芳香类有机分子-石墨烯-金属针尖相互作用而导致的石墨烯特征拉曼峰的信号变化进行研究,得出不同吸附分子对石墨烯载流子浓度、能带结构等电学参数的影响。通过纳米级空间分辨TERS成像扫描,最终得到芳香类小分子掺杂均匀性分布信息,另外得到石墨烯边缘、褶皱以及表面吸附的芳香酯类大分子等特征缺陷附近纳米尺度内电学特征,如掺杂类型、费米能级和载流子浓度及其空间分布特征。本研究针对未来石墨烯纳米器件的掺杂和污染的超分辨光谱检测中关键问题进行研究,能够为器件局域掺杂和污染的检测提供理论指导和技术支持。

中文关键词: 石墨烯;掺杂;缺陷;针尖增强拉曼;

英文摘要: Tailoring of graphene's electronic properties by aromatic molecules brings many hot research topics in recent years. Aromatic molecules act not only as dopants for graphene, but also as contaminations degrading electric performance of graphene devices. In future manufacturing of graphene nano devices, local doping characteristics of adsorbed molecules are expected to be substantial to design and degradation of devices. In this proposal, super-spatial tip enhanced Raman spectroscopy(TERS) is proposed to detect graphene's Raman singal modified by interactions among aromatic molecules, graphene and metallic tip. Electronic parameters, such as carrier density, band strucutre, etc, of graphene adsorbed by different molecules can be calculated from Raman signals enhanced simultaneously by metallic tip and graphene(TERS+GERS). Spatially doping inhomogenity distribution of small aromatic molecules can be finally obtianed by nanocale spatially resolved TERS imaging. Spatial distribution of local doping parameters, such as doping type, fermi level, carrier density variation, etc, for edges,wrinkles, and also the aromatic-ester molecules on surface can also be obtianed. Super spatially optical detection of doping and contamination on future graphene nano devices are proposed to be key topics in this proposal. The results

英文关键词: graphene;doping;defect;tip enhanced Raman spectroscopy;

成为VIP会员查看完整内容
0

相关内容

ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
Nat. Mach. Intell. | 分子表征的几何深度学习
专知会员服务
24+阅读 · 2021年12月26日
【AAAI2022】利用化学元素知识图谱进行分子对比学习
专知会员服务
27+阅读 · 2021年12月3日
【CIKM2021】用领域知识增强预训练语言模型的问题回答
专知会员服务
16+阅读 · 2021年11月18日
【KDD2021】图神经网络,NUS- Xavier Bresson教授
专知会员服务
63+阅读 · 2021年8月20日
专知会员服务
29+阅读 · 2021年6月4日
专知会员服务
31+阅读 · 2021年5月7日
【ACL2020-密歇根州立大学】语言和视觉推理的跨模态关联
Nat. Mach. Intell. | 分子表征的几何深度学习
专知
0+阅读 · 2021年12月26日
2021暑期实习/带你揭秘微软亚洲研究院的MicroLife
微软招聘
0+阅读 · 2021年4月30日
【材料课堂】TEM复杂电子衍射花样的标定原理
材料科学与工程
39+阅读 · 2019年4月12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 · 2012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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011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4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
25+阅读 · 2022年1月3日
Deep Face Recognition: A Survey
Arxiv
18+阅读 · 2019年2月12日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
小贴士
相关VIP内容
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
Nat. Mach. Intell. | 分子表征的几何深度学习
专知会员服务
24+阅读 · 2021年12月26日
【AAAI2022】利用化学元素知识图谱进行分子对比学习
专知会员服务
27+阅读 · 2021年12月3日
【CIKM2021】用领域知识增强预训练语言模型的问题回答
专知会员服务
16+阅读 · 2021年11月18日
【KDD2021】图神经网络,NUS- Xavier Bresson教授
专知会员服务
63+阅读 · 2021年8月20日
专知会员服务
29+阅读 · 2021年6月4日
专知会员服务
31+阅读 · 2021年5月7日
【ACL2020-密歇根州立大学】语言和视觉推理的跨模态关联
相关资讯
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 · 2012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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员