Key points are not available for this paper at this time.
Résumé Le développement rapide du concept de « l'Internet des objets (IoT) » nécessite des dispositifs portables avec des batteries sans entretien, et la conversion d'énergie thermoelectrique basée sur des matériaux flexibles à grande échelle a suscité beaucoup d'attention. Parmi les matériaux flexibles à grande échelle, les matériaux 2D, tels que le graphène et des matériaux connexes, sont prometteurs pour des applications thermoelectriques en raison de leurs excellentes propriétés de transport et de leurs grands facteurs de puissance. Dans cette revue, tant les matériaux 2D monocristallins que polycrystallins sont étudiés en utilisant les rapports expérimentaux sur les dispositifs thermoelectriques à base de graphène, de phosphore noir, de dichalcogénures de métaux de transition et d'autres matériaux 2D. En particulier, leurs propriétés thermoelectriques dépendantes de la densité de porteurs et les facteurs de puissance maximisés par des techniques d'ajustement du niveau de Fermi sont soulignés. La comparaison des performances pertinentes entre les matériaux 2D et les matériaux thermoelectriques couramment utilisés révèle des facteurs de puissance nettement améliorés dans les matériaux 2D. De plus, les progrès actuels des applications de modules thermoelectriques utilisant des films minces de matériaux 2D à grande échelle sont résumés, offrant ainsi un grand potentiel pour l'utilisation de matériaux 2D dans des applications de dispositifs thermoelectriques flexibles à grande échelle. Enfin, des questions importantes restantes et des perspectives futures, telles que les méthodes de préparation, les transports thermiques, les conceptions de dispositifs et les effets prometteurs des matériaux 2D, sont discutés.
Building similarity graph...
Analyzing shared references across papers
Loading...
Kaito Kanahashi
The University of Tokyo
Jiang Pu
Tokyo Institute of Technology
Taishi Takenobu
Nagoya University
Advanced Energy Materials
Nagoya University
Waseda University
Building similarity graph...
Analyzing shared references across papers
Loading...
Kanahashi et al. (Mon,) ont étudié cette question.
synapsesocial.com/papers/69d7a6c188ffa2cc81f3070d — DOI: https://doi.org/10.1002/aenm.201902842