ПОСТРОЕНИЕ СИЛОВОГО ПОЛЯ ДЛЯ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ МНОГОСТЕННЫХ НАНОТРУБОК. II. ДИСЕЛЕНИД ВОЛЬФРАМА

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Предложено силовое поле, предназначенное для моделирования многостенных нанотрубок WSe2, размер которых выходит за рамки возможностей методов ab initio. Параметризация межатомных потенциалов успешно протестирована на одностенных и двустенных нанотрубках, строение которых определено с помощью неэмпирических расчетов. Указанное силовое поле применено для моделирования структуры и стабильности хиральных и ахиральных многостенных нанотрубок WSe2 с диаметрами, близкими к экспериментальным величинам. Выполнено сравнение свойств нанотрубок на основе WSe2 со свойствами аналогичных нанотрубок на основе WS2, рассчитанными с помощью силового поля, которое описано в работе I из этой серии. Межстенные расстояния, полученные с помощью моделирования, хорошо согласуются с результатами измерений этих параметров для существующих нанотрубок WS2 и WSe2. Установлено, что межстенное взаимодействие вносит в стабилизацию многостенных нанотрубок несколько больший вклад в случае WSe2, чем в случае WS2. Анализ отклонения формы нанотрубок от цилиндрической показал близкое сходство структуры трубок обоих составов.

Об авторах

А. В Бандура

Санкт-Петербургский государственный университет, Институт химии

Email: a.bandura@spbu.ru
кафедра квантовой химии Санкт-Петербург, Россия

С. И Лукьянов

Санкт-Петербургский государственный университет, Институт химии

кафедра квантовой химии Санкт-Петербург, Россия

А. В Домнин

Санкт-Петербургский государственный университет, Институт химии

кафедра квантовой химии Санкт-Петербург, Россия

Д. Д Куруч

Санкт-Петербургский государственный университет, Институт химии

кафедра квантовой химии Санкт-Петербург, Россия

Р. А Эварестов

Санкт-Петербургский государственный университет, Институт химии

кафедра квантовой химии Санкт-Петербург, Россия

Список литературы

  1. Musfeldt J.L., Iwasa Y., Tenne R. // Phys. Today. 2020. V. 73. № 8. P. 42. https://doi.org/10.1063/PT.3.4547
  2. Bar-Saden M., Tenne R. // Nat. Mater. 2024. V. 23. P. 310. https://doi.org/10.1038/s41563-023-01609-x
  3. Jorio A., Dresselhaus G., Dresselhaus M.S. Carbon nanotubes: Advanced topics in the synthesis, structure, properties and applications. Berlin: Springer, 2008.
  4. Schaibley J.R., Yu H., Clark G. et al. // Nat. Rev. Mater. 2016. V. 1. P. 16055. https://doi.org/10.1038/natrevmats.2016.55
  5. Yomogida Y., Miyata Y., Yanagi K. // Appl. Phys. Express. 2019. V. 12. P. 085001. https://doi.org/10.7567/1882-0786/ab2acb
  6. Heming X., Xinyu C., Song L. et al. // Nano Lett. 2021. V. 21. P. 4937. https://doi.org/10.1021/acs.nanolett.1c00497
  7. Sun Y., Xu S., Xu Z. et al. // Nat. Commun. 2022. V. 13. P. 5391. https://doi.org/10.1038/s41467-022-33118-x
  8. Yomogida Y., Kainuma Y., Endo T. et al. // Appl. Phys. Lett. 2020. V. 116. P. 203106. https://doi.org/10.1063/5.0005314
  9. Sinha S.S., Yadgarov L., Aliev S.B. et al. // J. Phys. Chem. C. 2021. V. 125. P. 6324. https://dx.doi.org/10.1021/acs.jpcc.0c10784
  10. Kumar S., Schwingenschlogl U. // Chem. Mater. 2015. V. 27. P. 1278. https://doi.org/10.1021/cm504244b
  11. Chuang H.-J., Tan X., Ghimire N.J. et al. // Nano Lett. 2014. V. 14. P. 3594. https://doi.org/10.1021/nl501275p
  12. Galvan D.H., Rangel R., Adem E. // Fullerene Sci. Technol. 2000. V. 9. P. 15. https://doi.org/10.1080/10641220009351392
  13. Kim H., Yun S.J., Park J.C. et al. // Small. 2015. V. 11. P. 2192. https://doi.org/10.1002/smll.201403279
  14. Sreedhara M.B., Miroshnikov Y., Zheng K. et al. // J. Am. Chem. Soc. 2022. V. 144. P. 10530. https://doi.org/10.1021/jacs.2c03187
  15. An Q., Xiong W., Hu F. et al. // Nat. Mater. 2024. V. 23. P. 347. https://doi.org/10.1038/s41563-023-01590-5
  16. Ghosh S., Bruser V., Kaplan-Ashiri I. et al. // Appl. Phys. Rev. 2020. V. 7. P. 041401. https://doi.org/10.1063/5.0019913
  17. Bandura A.V., Lukyanov S.I., Domnin A.V. et al. // Russ. J. Inorg. Chem. 2023. V. 68. P. 1582. https://doi.org/10.1134/S003602362360209X
  18. Bandura A.V., Lukyanov S.I., Domnin A.V. et al. // Comput. Theor. Chem. 2023. V. 1229. P. 114333. https://doi.org/10.1016/j.comptc.2023.114333
  19. Nielsen C.E.M., da Cruz M., Torche A. et al. // Phys. Rev. B. 2023. V. 108. P. 045402. https://doi.org/10.1103/PhysRevB.108.045402
  20. Bandura A.V., Lukyanov S.I., Kuruch D.D. et al. // Physica E. 2020. V. 124. P. 114183. https://doi.org/10.1016/j.physe.2020.114183
  21. Evarestov R.A., Bandura A.V., Porsev V.V. et al. // J. Comput. Chem. 2017. V. 38. P. 2581. https://doi.org/10.1002/jcc.24916
  22. Evarestov R.A., Kovalenko A.V., Bandura A.V. et al. // Mater. Res. Express. 2018. V. 5. P. 115028. https://doi.org/10.1088/2053-1591/aadf00
  23. Evarestov R.A., Kovalenko A.V., Bandura A.V. et al. // Physica E. 2020. V. 115. P. 113681. https://doi.org/10.1016/j.physe.2019.113681
  24. Dovesi R., Erba A., Orlando R. et al. // WIREs Comput. Mol. Sci. 2018. V. 8. № 4. P. e1360. https://doi.org/10.1002/wcms.1360
  25. Dovesi R., Saunders V.R., Roetti C. et al. // CRYSTAL17 User’s Manual. University of Turin. Torino, 2018.
  26. Pacios L.F., Christiansen P.A. // J. Chem. Phys. 1985. V. 82. P. 2664. https://doi.org/10.1063/1.448263
  27. Ross R.B., Powers J.M., Atashroo T. et al. // J. Chem. Phys. 1990. V. 93. P. 6654. https://doi.org/10.1063/1.458934
  28. Heyd J., Scuseria G.E., Ernzerhof M. // J. Chem. Phys. 2003. V. 118. P. 8207. https://doi.org/10.1063/1.1564060
  29. Monkhorst H.J., Pack J.D. // Phys. Rev. B. 1976. V. 13. № 12. P. 5188. https://doi.org/10.1103/PhysRevB.13.5188
  30. Grimme S. // J. Comput. Chem. 2006. V. 27. P. 1787. https://doi.org/10.1002/jcc.20495
  31. Deb K., Jain H. // IEEE Trans. Evol. Comput. 2014. V. 18. P. 577. https://doi.org/10.1109/TEVC.2013.2281535
  32. Bhesdadiya R.H., Trivedi I.N., Jangir P. et al. // Cogent Eng. 2016. V. 3. P. 1269383. https://doi.org/10.1080/23311916.2016.1269383
  33. Xue X., Lu J., Chen J. // CAAI Trans. Intelligence Technol. 2019. V. 4. P. 135. https://doi.org/10.1049/trit.2019.0014
  34. Chen L., Gu Q., Wang R. et al. // Sustainability. 2022. V. 14. P. 10766. https://doi.org/10.3390/su141710766
  35. Gale J.D., Rohl A.L. // Mol. Simulation. 2003. V. 29. № 5. P. 291. https://doi.org/10.1080/0892702031000104887
  36. Bader R.F.W. // Acc. Chem. Res. 1985. V. 18. P. 9. https://doi.org/10.1021/ar00109a003
  37. Jishi R.A., Dresselhaus M.S., Dresselhaus G. // Phys. Rev. B. 1993. V. 47. P. 16671. https://doi.org/10.1103/physrevb.47.16671
  38. Barros E.B., Jorio A., Samsonidze G.G. et al. // Phys. Rep. 2006. V. 431. P. 261. https://doi.org/10.1016/j.physrep.2006.05.007
  39. Damnjanovic M., Nikolic B., Milosevic I. // Phys. Rev. B. 2007. V. 75. P. 033403. https://doi.org/10.1103/PhysRevB.75.033403
  40. Marana N.L., Noel Y., Sambrano J.R. et al. // J. Phys. Chem. A. 2021. V. 125. P. 4003. https://doi.org/10.1021/acs.jpca.1c01682
  41. Nguyen M.A.T., Gupta A.S., Shevrin J. et al. // RSC Adv. 2018. V. 8. P. 9871. https://doi.org/10.1039/c8ra01497c
  42. Xu K., Wang F., Wang Z. et al. // ACS Nano. 2014. V. 8. № 8. P. 8468. https://doi.org/10.1021/nn503027k
  43. Krause M., Mucklich A., Zak A. et al. // Phys. Status Solidi B. 2011. V. 248. P. 2716. https://dx.doi.org/10.1002/pssb.201100076
  44. Bandura A.V., Evarestov R.A. // J. Comput. Chem. 2014. V. 35. P. 395. https://dx.doi.org/10.1002/jcc.23508
  45. Bandura A.V., Evarestov R.A. // Surf. Sci. 2015. V. 641. P. 6. https://doi.org/10.1016/j.susc.2015.04.027
  46. Leven I., Guerra R., Vanossi A. et al. // Nature Nanotech. 2016. V. 11. P. 1082. https://doi.org/10.1038/nnano.2016.151

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».