✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,代码获取、论文复现及科研仿真合作可私信。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab完整代码及仿真定制内容点击👇
🔥 内容介绍
石墨烯是一种由碳原子组成的二维材料,具有非凡的电学、热学和力学性能。石墨烯的声子色散曲线描述了声子在石墨烯中的能量与动量之间的关系,它对于理解石墨烯的热输运和热力学性质至关重要。本文将探讨石墨烯和石墨烯纳米带中的声子色散曲线和热容。
声子色散曲线
声子是晶格振动的量子,它们在固体中以波的形式传播。声子色散曲线描述了声子在特定方向上的能量与动量之间的关系。对于石墨烯,声子色散曲线具有六边形对称性.
声子色散曲线分为三个声子分支:
-
**声学声子(LA 和 TA):**这些声子具有线性色散关系,在低动量下能量与动量成正比。
-
**光学声子(LO 和 TO):**这些声子具有抛物线色散关系,在高动量下能量与动量平方成正比。
热容
热容是材料吸收热量的能力。对于石墨烯,热容主要由声子贡献。声子热容可以表示为:
C_v = k_B N_A \int_0^\infty g(\omega) \hbar \omega \left( \frac{\partial f(\omega, T)}{\partial T} \right) d\omega
其中:
-
C_v 是热容
-
k_B 是玻尔兹曼常数
-
N_A 是阿伏伽德罗常数
-
g(\omega) 是声子态密度
-
\hbar 是约化普朗克常数
-
\omega 是声子频率
-
f(\omega, T) 是声子分布函数
石墨烯的声子色散曲线和热容
石墨烯的声子色散曲线具有以下特点:
-
声学声子具有线性色散关系,导致低温下热容与温度成线性关系。
-
光学声子具有抛物线色散关系,导致高温下热容与温度的平方成正比。
-
声子色散曲线受载流子浓度和外加应力的影响。
石墨烯纳米带的声子色散曲线和热容
石墨烯纳米带是石墨烯的窄条,其宽度小于 100nm。石墨烯纳米带的声子色散曲线与石墨烯的声子色散曲线相似,但由于尺寸限制而发生了一些变化。
-
声子色散曲线在带边缘处出现折叠,导致新的声子模式出现。
-
声子色散曲线对纳米带宽度和边缘形状敏感。
-
纳米带的热容比石墨烯低,这是由于声子态密度的降低。
应用
石墨烯和石墨烯纳米带的声子色散曲线和热容在各种应用中具有重要意义,例如:
-
**热管理:**石墨烯和石墨烯纳米带具有高热导率,可用于散热和热电转换。
-
**声子器件:**石墨烯和石墨烯纳米带中的声子色散曲线可用于设计声子晶体和声子波导等声子器件。
-
**纳米电子学:**石墨烯纳米带的声子色散曲线可用于调控电子输运和实现新的电子器件。
结论
石墨烯和石墨烯纳米带中的声子色散曲线和热容是理解这些材料热输运和热力学性质的关键。通过研究声子色散曲线和热容,我们可以设计和优化石墨烯和石墨烯纳米带在各种应用中的性能。
📣 部分代码
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行
%% 导入数据
res = xlsread('数据集.xlsx');
%% 划分训练集和测试集
temp = randperm(357);
P_train = res(temp(1: 240), 1: 12)';
T_train = res(temp(1: 240), 13)';
M = size(P_train, 2);
P_test = res(temp(241: end), 1: 12)';
T_test = res(temp(241: end), 13)';
N = size(P_test, 2);
%% 数据归一化
[P_train, ps_input] = mapminmax(P_train, 0, 1);
P_test = mapminmax('apply', P_test, ps_input);
⛳️ 运行结果
🔗 参考文献
🎈 部分理论引用网络文献,若有侵权联系博主删除
🎁 关注我领取海量matlab电子书和数学建模资料
👇 私信完整代码和数据获取及论文数模仿真定制
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题
2 机器学习和深度学习方面
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类