طراحی نظری و مشخصه یابی نانوحسگرهای مبتنی بر بروفن برای شناسایی گازهای سمی
Publish place: Journal of Iranian Association of Electrical and Electronics Engineers، Vol: 22، Issue: 1
Publish Year: 1404
نوع سند: مقاله ژورنالی
زبان: Persian
View: 156
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIAE-22-1_010
تاریخ نمایه سازی: 17 خرداد 1404
Abstract:
تشخیص و حذف گازهای سمی خصوصا در غلظت های کم با حساسیت بسیار بالا امری مهم به شمار می آید. در این پژوهش، جذب مولکول گاز NO۲ بر روی نانوصفحات دوبعدی و نانوریبون های یک بعدی دو فاز پایدار ϰ۳ و β۱۲ بروفن بررسی و تاثیر جذب بر ساختار الکترونی و ترابرد نانوریبون های بروفن مطالعه می شود. شبیه سازی محاسباتی نانوساختارهای بروفن در چهارچوب نظریه تابعی چگالی (DFT) و نظریه تابع غیرتعادلی گرین (NEGF) و با بهره گیری از بسته ی نرم افزاری VNL-ATK انجام می شود.
نتایج نشان می دهد عملکرد حسگری به ساختار هندسی بروفن، موقعیت های جذب گاز و جهت ترابرد بار الکتریکی وابسته است. بیشترین بازه تغییرات نسبی جریان در دستگاههای مبتنی بر نانوریبون آرمچیر ϰ۳ و نانوریبون زیگزاگ β۱۲ قبل و بعد از جذب گاز در محدوده ۰.۱ تا ۱.۵ ولت به ترتیب ۶۲% و ۳۸% است. تغییرات نسبی جریان در ولتاژ ۰.۱ ولت برای هر دو دستگاه مذکور تقریبا با هم برابر و حدود ۳۲ % است. بالا بودن تغییرات نسبی جریان در نتیجه جذب NO۲ در ولتاژهای کم نشان می دهد که سنسورهای مبتنی بر نانوریبون آرمچیر بروفن فاز ϰ۳ حساسیت و انتخاب پذیری بالایی را برای آشکارسازی مولکول های کوچک گاز NO۲ دارند.
Keywords:
ϰ۳ & , β۱۲ Borophene , Zigzag & , Armchair Nanoribbons , Transport Properties , Adsorption Behaviours , Density Functional Theory (DFT) , Non-Equilibrium Green’s Function (NEGF) , NO۲ gas molecule. , فازهای ϰ۳ و β۱۲ بروفن , نانوریبون های آرمچیر و زیگزاگ , حسگر گاز , خصوصیات ترابرد , رفتارهای جذبی , نظریه تابعی چگالی (DFT) , نظریه تابع غیرتعادلی گرین (NEGF) , مولکول گاز NO۲.
Authors
شادی چشمه خاور
Jundi-Shapur University of Technology
سیده فاطمه مولایی زاده
Jundi-Shapur University of Technology
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :