【摘 要】
：
利用密度泛函理论与非平衡格林函数相结合的第一性原理计算方法,研究了有限偏压下扶手椅边缘和锯齿边缘磷烯-硼碳二磷(P-BC2P)范德瓦尔斯异质结的电子输运性质,以及N型电子/P型空穴掺杂对2种边缘形貌异质结电子输运性质的影响.研究结果表明:(1)有限偏压下,2种边缘形貌P-BC2P范德瓦尔斯异质结均呈现非线性变化和负微分电阻效应.扶手椅边缘P-BC2P异质结的电流增长快于扶手椅边缘磷烯纳米带,锯齿边缘P-BC2P异质结的电流增长慢于锯齿边缘磷烯纳米带.(2)掺杂浓度0.001～0.01 e/atom范围内,
【机 构】
：
吉首大学物理与机电工程学院,湖南吉首416000
论文部分内容阅读
利用密度泛函理论与非平衡格林函数相结合的第一性原理计算方法,研究了有限偏压下扶手椅边缘和锯齿边缘磷烯-硼碳二磷(P-BC2P)范德瓦尔斯异质结的电子输运性质,以及N型电子/P型空穴掺杂对2种边缘形貌异质结电子输运性质的影响.研究结果表明:(1)有限偏压下,2种边缘形貌P-BC2P范德瓦尔斯异质结均呈现非线性变化和负微分电阻效应.扶手椅边缘P-BC2P异质结的电流增长快于扶手椅边缘磷烯纳米带,锯齿边缘P-BC2P异质结的电流增长慢于锯齿边缘磷烯纳米带.(2)掺杂浓度0.001～0.01 e/atom范围内,N型电子/P型空穴掺杂能有效调控P BC2P异质结的电导.相比未掺杂,扶手椅边缘P-BC2P异质结的电导在P型空穴掺杂时最多增加和最多减少均为20％,在N型电子掺杂时最多减少46.7％;锯齿边缘P-BC2P异质结的电导在P型空穴掺杂时最多增加196％,在N型电子掺杂时最多增加164％.
其他文献
为了探索多学科交叉融合的复合型人才培养模式和路径,井冈山大学生命科学学院在构建多学科交叉融合的复合型人才培养体系和提高复合型人才培养质量方面进行了深入的探索与实践.树立多学科交叉融合培养复合型人才的理念,打造多学科交叉融合的高水平师资队伍,整合多学科交叉融合的复合型人才培养课程体系,构建多学科交叉融合的复合型人才培养实践教学体系,建立多学科交叉融合的实践教学平台,塑造多方协同多学科交叉的复合型人才培养的第二课堂育人体系.经过多年的人才培养改革实践证明,这些措施和做法有力地提高了复合型人才的培养质量,学生创
通过泛函分析空间特别是局部凸空间上函数的性质来判断空间的性质.在拓扑线性空间中,用X\'的性质推断X的性质,并利用逻辑反证法证明了λ-乘数收敛的不变性.
机器人在曲面类零件加工中应用日趋广泛,针对自由曲面轨迹规划困难、工件表面粗糙度均匀性难以控制等问题,提出一种能适应曲面曲率变化的机器人曲面磨削轨迹规划方法.基于赫兹理论分析机器人磨具与工件表面的接触应力变化,通过求解材料去除模型计算出曲率影响下的相邻磨削轨迹行距,得到了曲率自适应的磨削轨迹;然后通过恒等弦高误差算法求解出轨迹线上的磨削点位,生成了等残余高度的磨削路径数据.以一张典型的自由曲面为例进行仿真实验,结果表明,与传统等参数路径规划方法相比,该方法更有利于改善加工表面残余高度的一致性.
利用辛钦大数定律和随机变量序列依概率收敛的性质,通过不等式的放缩技巧,给出了样本的k阶中心绝对矩依概率收敛于总体的k阶中心绝对矩的证明.
根据广义严格对角占优矩阵的性质,通过细分矩阵的非占优行指标集和构造递进式新正对角因子,给出了广义严格对角占优矩阵的递进式判定新准则.
利用Kurzweil积分和Φ-有界变差函数理论,建立了滞后型测度泛函微分方程的Φ-有界变差解的存在性定理.
基于传统亥姆霍兹共鸣器的隔声特性,运用传递矩阵法分层推导了基于二阶共振的亥姆霍兹共鸣器的等效阻抗,并结合有限元仿真对二阶亥姆霍兹共鸣器的隔声特性进行了探究,验证了二阶共鸣器共存在两个隔声频段,且通过调节几何参数获得了优异的隔声效果,在隔声降噪的声学应用中具有一定的研究意义.
在“线性损失”下,研究了Kumaraswamy分布族参数的经验Bayes(EB)检验问题.利用独立同分布样本下密度函数的递归核估计和经验Bayes检验函数的单调性,重新构造了参数的EB检验函数,并在适当的条件下,获得了EB检验函数的收敛速度的阶为O(n-λ(s-2.5)/s-1)(s≥3,s∈N*).
服务器是数据中心的构成核心要素,但传统服务器不仅形式单一,同时还存在管理复杂等缺陷,因此逐渐被淘汰.取而代之的是虚拟服务器,而实现虚拟服务器的技术即为虚拟化技术(统称为服务器虚拟化技术).服务器虚拟化技术作为一项比较新颖的技术,在数据中心建设中并未普及,传统服务器仍旧广泛使用,这阻碍了数据中心的更新与发展.因此出于推广服务器虚拟化技术应用的目的 ,本文论述了该项技术的基本概念与主要优势,最终提出数据中心建设中服务器虚拟化应用实例方案及注意事项.
为了提高词性标注模型训练语料的质量,设计了一种利用FP Growth算法从训练语料库中自动获取词性标注规则的方法,并将该方法与基于Apriori算法的词性标注规则获取方法进行了对比实验.实验结果显示,对于0.1万、0.2万和l万词级的小规模语料库,2种方法获取的词性标注规则条数均相同,但基于FP-Growth算法的时间耗费分别仅为基于Apriori算法的0.013866％,0.010399％,0.003132％;对于10万、100万词级的训练语料库,基于Apriori算法无法获取任何规则,但基于FP-Gr