文献互助智能选刊最新文献

高级搜索发布求助登录注册

首页 > 材料科学

《Nature Electronics》：剑桥大学突破二维器件技术瓶颈

材料科学与工程 2024-09-07 18:32

文章摘要

剑桥大学在《Nature Electronics》上发表的论文探讨了二维过渡金属二硫化物（TMDs）在电子设备中的应用及其面临的挑战。文章指出，尽管TMDs在电子、光电及光子学领域展现出优异性能，但其高缺陷密度和界面问题限制了器件性能的提升。研究团队提出了通过优化材料质量和界面来解决这些问题的策略，包括开发高质量的TMDs材料、探索新的掺杂技术以及寻找与二维材料兼容的高介电常数介质。这些研究旨在克服技术瓶颈，实现高性能、稳定和可扩展的二维TMDs电子器件。

《Nature Electronics》：剑桥大学突破二维器件技术瓶颈

查看文献： Critical challenges in the development of electronics based on two-dimensional transition metal dichalcogenides
查看期刊：Nature Electronics

本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。

推荐文献

Energy & Fuels

Energy & Fuels

Issue Editorial Masthead

DOI: 10.1021/efv040i005_2037331 Pub Date : 2026-02-05

IF 5.3 3区工程技术 Q2

Energy & Fuels

Nature Electronics

Nature Electronics

Author Correction: Metallic charge transport in conjugated molecular bilayers

DOI: 10.1038/s41928-026-01578-4 Pub Date : 2026-02-04

IF 34.3 1区工程技术 Q1

Nature Electronics

ACS Biomaterials Science & Engineering

ACS Biomaterials Science & Engineering

Biogenesis of Au Nanoparticles from Plant-Derived Metabolites - <i>In Vitro</i> and <i>In Vivo</i> Studies.

DOI: 10.1021/acsbiomaterials.5c01488 Pub Date : 2026-02-04

IF 5.5 2区医学 Q2

ACS Biomaterials Science & Engineering

最新文章

机器学习预测电池循环寿命 | Nature

机器学习预测电池循环寿命 | Nature

01【科学背景】开发长寿命电池对满足电动汽车与电网储能的日益增长需求至关重要。然而，当前电池研发面临显著的效率瓶颈：评估新设计寿命的传统方法耗时极长、能耗巨大，且通常需要基于大量实验数据才能做出可靠预

11小时前

$薛其坤院士领衔！北京师范大学窦瑞芬/物理所禹日成团队：莫尔超晶格-二硫化钼MoS\u2082 | Advanced Materials$

薛其坤院士领衔！北京师范大学窦瑞芬/物理所禹日成团队：莫尔超晶格-二硫化钼MoS\u2082 | Advanced Materials

具有多重旋转自由度的扭转三层Twisted trilayer (Tt)过渡金属硫族化物，为构建大波长摩尔超晶格，以最大化关联效应提供了前所未有的机遇。然而，精确堆叠三层结构，以实现超大摩尔超晶格，仍面

11小时前

西北工业大学：金属熔体/陶瓷之间的润湿调控 | Transactions of Materials Research

西北工业大学：金属熔体/陶瓷之间的润湿调控 | Transactions of Materials Research

熔融金属与陶瓷之间的润湿调控，传统方法常需改变体系固有反应特性，且易导致连接质量与服役可靠性不足。近日，西北工业大学Peng Miao，Tie Liu等在Transactions of Materia

11小时前

Nature：首个能写综述论文的开源AI模型来了，大幅减少科研“幻觉”，堪比人类专家

Nature：首个能写综述论文的开源AI模型来了，大幅减少科研“幻觉”，堪比人类专家

撰文丨王聪编辑丨王多鱼排版丨水成文momo读论文科学进步取决于科研人员综合日益增多的文献资料的能力，面对科学文献的爆炸式增长，科研人员如何才能快速筛选、总结海量文献？大语言模型（LLM）是否能够在这方

11小时前

Book学术官方微信

Book学术文献互助

Book学术文献互助群
群号：604180095

文献互助智能选刊最新文献互助须知联系我们：info@booksci.cn

Book学术提供免费学术资源搜索服务，方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。

Copyright © 2023 Book学术 All rights reserved.

京公网安备 11010802042870号京ICP备2023020795号-1