基于机器学习的少层外延与剥离石墨烯中石墨烯-金刚石烯相变的层数依赖性
材料科学
2019-02-14 v2 应用物理
摘要
石墨烯及其他二维材料纳米力学的研究已在二维晶体中发现了令人振奋的新特性，例如其显著的面内刚度和面外柔韧性，以及其在纳米尺度上独特的摩擦与磨损特性。近来，由于少层厚外延石墨烯在压力诱导下化学转变为一种名为金刚石烯(diamene)的新型超硬碳相的新发现，石墨烯的纳米力学重新引起了关注。在本工作中，我们借助机器学习技术，通过结合原子力显微镜(AFM)形貌与摩擦力显微镜(FFM)的数据，提供了一种快速高效的工具，用于识别外延和剥离薄膜中石墨烯畴（具有确定层数的区域）。通过对石墨烯层数的分析以及详细的Å压痕实验，我们证明超硬金刚石烯的形成仅见于碳化硅(SiC)上的1层加缓冲层外延石墨烯，而在更厚的外延石墨烯（2层及以上）或氧化硅(SiO)上任意厚度的剥离石墨烯薄膜中均未观察到超硬相。
引用
@article{arxiv.1901.09071,
title = {Layer dependence of graphene-diamene phase transition in epitaxial and exfoliated few-layer graphene using machine learning},
author = {Filippo Cellini and Francesco Lavini and Claire Berger and Walt de Heer and Elisa Riedo},
journal= {arXiv preprint arXiv:1901.09071},
year = {2019}
}
备注
30 pages, 7 figures