Forschende der TU Chemnitz untersuchen im Rahmen der Forschungsgruppe Proximity-induzierte Korrelationseffekte in niedrigdimensionalen Strukturen (FOR 5242) die Funktionalisierung niedrig-dimensionaler Elektronengase. In einer aktuellen Veröffentlichung zeigt das Forschungsteam erstmals ein Verfahren für die detaillierte strukturelle Analyse synthetisierter zweidimensionaler Bleichschichten an einem eigens hergestellten System. Mit dem vorgestellten Ansatz konnten zudem erstmals Proben in einer ausreichenden Qualität hergestellt werden, um die Strukturen umfassend zu beschreiben. Die neuen Erkenntnisse aus der Grundlagenforschung könnten bei der Entwicklung neuartiger elektronischer Systeme und bei der Entwicklung von Quantenmaterialien für das Quantencomputing relevant werden. Die kontrollierte Kopplung von funktionalisiertem Graphen an 2D-Elektronengasen eröffnet die Möglichkeit, Korrelationseffekte und mesoskopische Phänomene in 2D-Materialien – zum Beispiel Supraleitung, Spin- bzw. Ladungsträgerdichtewellen und neuartige magnetische Phasen – zu untersuchen und zu steuern. (jr)
Ähnliche Artikel
Branchen-News
Forschungsprojekte zu Automotive Ethernet TSN
14. Juli 2023
Klaus Oertel
Branchen-News, News, Technologie-Radar
Kommentare deaktiviert für Forschungsprojekte zu Automotive Ethernet TSN
Das Fraunhofer IPMS unterstützt mit seiner Expertise in Automotive Ethernet TSN in verschiedenen Forschungsprojekten, in denen TSN-Komponenten entwickelt werden.
Technologie-Radar
Referenzsystem zur hochpräzisen Sensorvalidierung
29. November 2023
Franz Joachim Rossmann
Technologie-Radar
Kommentare deaktiviert für Referenzsystem zur hochpräzisen Sensorvalidierung
Forschende des KIT und Partner entwickeln ein System, das die verlässliche und präzise Wahrnehmung der Umgebung autonomer Fahrzeuge sicherstellt.
Technologie-Radar
nxtAIM – Auf dem Weg zu höherer Autonomie
29. April 2024
Klaus Oertel
Technologie-Radar
Kommentare deaktiviert für nxtAIM – Auf dem Weg zu höherer Autonomie
Der Fokus von nxtAIM liegt auf der Entwicklung generativer Methoden, die komplementär zu den etablierten diskriminativen Methoden der künstlichen Intelligenz sind.
