Density functional theory study of Cu-doped BNNT as highly sensitive and selective gas sensor for carbon monoxide

材料科学 密度泛函理论 一氧化碳 吸附 兴奋剂 掺杂剂 氮化硼 空位缺陷 分子 解吸 催化作用 选择性 分析化学(期刊) 化学物理 光电子学 物理化学 纳米技术 计算化学 结晶学 化学 有机化学
作者
Guohong Fan,Xiaohua Wang,Xianxian Tu,Hong Xu,Qi Wang,Xiangcheng Chu
出处
期刊:Nanotechnology [IOP Publishing]
卷期号:32 (7): 075502-075502 被引量:20
标识
DOI:10.1088/1361-6528/abc57a
摘要

The adsorption of CO, CO2, CH4, H2, N2 and N2O on armchair (5,5) boron nitride nanotube (BNNT) with and without the doping of transition metals (TM), i.e. Sc, Ti, V, Cr, Mn, Fe, Co, Ni, Cu or Zn, was investigated using the density functional theory calculation. The results indicate all the considered gases are physically adsorbed by weak interaction on the pure BNNT, revealing that pure BNNT has poor sensing performance for these gases. TM are then doped in the B or N vacancy of BNNT to improve the sensitivity and selectivity. As a result, it was found that the gas adsorption performance of BNNT is obviously enhanced due to the introduction of TM dopant atom. In particularly, according to the results of adsorption energy, Cu doped BNNT (Cu-BNNT) system shows a high selectivity toward CO molecule compared with other metal doped systems. This is further confirmed by the density of state, energy gap and charge transfer analyses. Furthermore, based on the sensor performance analysis, it was found that Cu-BNNT also has favorable desorption characteristics for CO. Therefore, this study concluded that Cu-BNNT can be used as a superior sensor material with high sensitivity, selectivity and favorable recycle time for CO gas.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
咳咳咳完成签到,获得积分10
刚刚
深情安青应助SI采纳,获得10
1秒前
Liam发布了新的文献求助10
1秒前
youxiaotong发布了新的文献求助10
1秒前
开朗哥布林完成签到 ,获得积分10
2秒前
Penny发布了新的文献求助10
2秒前
句号发布了新的文献求助30
2秒前
顾矜应助wy采纳,获得10
3秒前
Cary完成签到,获得积分10
4秒前
aiiLuX给aiiLuX的求助进行了留言
4秒前
慕青应助无情的楼房采纳,获得10
4秒前
4秒前
5秒前
yyqx1128完成签到,获得积分10
7秒前
乔乔发布了新的文献求助10
7秒前
充电宝应助曾经觅云采纳,获得10
7秒前
魔幻的向梦完成签到 ,获得积分10
8秒前
胆大心细完成签到,获得积分20
8秒前
hgt关注了科研通微信公众号
8秒前
9秒前
9秒前
哈哈哈完成签到,获得积分10
10秒前
10秒前
10秒前
zz完成签到,获得积分10
12秒前
12秒前
十里八乡俊后生完成签到,获得积分10
12秒前
英俊中心发布了新的文献求助10
13秒前
13秒前
芮rich完成签到,获得积分10
13秒前
SI发布了新的文献求助10
13秒前
三七九八完成签到,获得积分10
15秒前
15秒前
15秒前
曾经觅云完成签到,获得积分20
16秒前
张大诚发布了新的文献求助30
16秒前
16秒前
可爱的函函应助狗子采纳,获得10
16秒前
17秒前
顺心绮兰发布了新的文献求助10
18秒前
高分求助中
Sustainability in Tides Chemistry 2000
Bayesian Models of Cognition:Reverse Engineering the Mind 800
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Внешняя политика КНР: о сущности внешнеполитического курса современного китайского руководства 500
Revolution und Konterrevolution in China [by A. Losowsky] 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3124422
求助须知:如何正确求助?哪些是违规求助? 2774782
关于积分的说明 7723789
捐赠科研通 2430217
什么是DOI,文献DOI怎么找? 1290974
科研通“疑难数据库(出版商)”最低求助积分说明 622023
版权声明 600297