Onderzoeksgroep
Expertise
Cem Sevik is een expert op het gebied van computationele gecondenseerde materie en materiaalwetenschap. Hij heeft meer dan 15 jaar uitgebreide ervaring in de karakterisering van elektronische, optische, thermische, thermo-elektrische, piëzo-elektrische, ferro-elektrische, energieopslag- en supergeleidende eigenschappen van materialen (in het bijzonder tweedimensionaal) met methoden die voornamelijk gebaseerd zijn op Density Functional Theory en Klassieke /First-Principles Moleculaire Dynamica Simulaties. Hij heeft ook ervaring met het genereren van interatomaire en machinaale leerpotentieel voor materialen. De projecten met betrekking tot de zoektocht naar nieuwe tweedimensionale kristallen voor gebruik in energieopwekking/-omzetting, sensor- en ionenbatterijtoepassingen zijn hebben zijn bijzondere interesse. Hij heeft ook expertise in de groei van chemische dampafzetting en RAMAN- en PL-karakterisering van nieuwe tweedimensionale materialen zoals MoS2, MoSe2, WS2 en Mo2C.
Verbeterde Exciton-levensduur in (computationeel ontworpen) 2D-heterostructuren van transitiemetaaldichalcogeniden.
Abstract
Tweedimensionale transitiemetaaldichalcogeniden (TMDs) heterolagen zijn veelbelovend gebleken voor toekomstige valleytronische, spintronische en kwantumcomputer toepassingen dankzij hun vermogen om ruimtelijk gescheiden excitonen met sterke bindingsenergie en een lange stralingslevensduur te bevatten. Een volledige fysisch begrip van de energetica, de excitatiemechanismen en de dynamica van deze speciale quasideeltjes is echter nog niet bereikt. Bovendien zijn de optimale heterolaagstructuren van de vele alternatieven die langlevende interlaag excitonen kunnen bevatten nog niet experimenteel of theoretisch bepaald. Heterolaag TMD-engineering is in die zin zeer praktisch, aangezien de afstand tussen de lagen, de stapeling, de samenstelling van het TMD en het elektrische veld allemaal een ingrijpende invloed hebben op de opkomende excitonische eigenschappen. Bovendien bieden de "tweezijdige" Janus TMD (JTMD) -structuren (hoogwaardige fabricage is onlangs gerealiseerd) met een intrinsieke uit het vlak gerichte elektrische dipool, extra combinatiemogelijkheden voor een nog veelzijdigere excitonische optimalisatie. Daarom stellen we een zeer nauwkeurig ab initio computationeel raamwerk voor om het directe en indirecte excitonspectrum van TMD/JTMD en TMD/TMD/JTMD (TMD = MoS2, MoSe2, WS2, WSe2; JTMD = MoSSe, WSSe) 2D heterostructuren te onderzoeken. We zijn van plan de excitondynamica, inclusief de fonon-gemedieerde excitonexcitatiesnelheden, computationeel te karakteriseren, en de meest veelbelovende heterolaagkristallen, met ongekende excitonlevensduren voor toepassingen in geavanceerde opto-elektronica en opkomende kwantumtechnologie, te identificeren. Het voorgestelde computationeel rekenraamwerk zal ook bijdragen aan de ontwikkeling van een hedendaagse volledige ab initio modellering en de weg vrijmaken voor een fundamenteel begrip van de fysica van interlaag excitonen, en hun creatie- en annihilatiemechanismen.Onderzoeker(s)
- Promotor: Sevik Cem
Onderzoeksgroep(en)
Project type(s)
- Onderzoeksproject
Foto-thermo-structurele karakterisering van mono- en bimetallische Au- en Ag-nanodeeltjes.
Abstract
De fabricage en het ontwerp van metallische nanodeeltjes (ND's) kende de afgelopen jaren enorme vooruitgang waardoor een scala aan toepassingen mogelijk zijn geworden. De meeste zijn gebaseerd op warmtetransport door middel van de plasmonische eigenschappen van de ND's, onder blootstelling aan licht kunnen geleidende elektronen aan het oppervlak geactiveerd worden die de ND's opwarmen met warmtetransport naar de (biologische, chemische of medische) omgeving van de ND's tot gevolg. Vaak wordt over het hoofd gezien dat de ND's structureel veranderen onder zulke foto-thermische excitaties. Het is daarom van cruciaal belang om de stabiliteit en het gedrag van de metallische ND's bij verhoogde en verdeelde temperatuur te begrijpen. Dat is het hoofddoel van dit project, waarbij de focus ligt op mono- en bimetallische Au en Ag ND's. Hiervoor moet de atomaire structuur van de ND's bepaald worden, waarbij men verder moet kijken dan het computationeel intensieve density-functional theory (DFT). Hiervoor zal machine learning worden gebruikt om de Au en Ag interatomaire potentialen te trainen gebaseerd op DFT-data om zo aanzienlijk sneller en accuraat de relaxatie van de vorm en structuur van het ND uit te voeren. De iteratieve koppeling van de verkregen morfologie met ruimtelijk variërende optische en thermische respons is een ontwikkeling die ons in staat zal stellen om de ND's voorspellend aan te passen onder blootstelling aan opwarming en licht, voor alle gewenste doeleinden.Onderzoeker(s)
- Promotor: Milosevic Milorad
- Co-promotor: Sevik Cem
- Mandaathouder: Vlahovic Jovana
Onderzoeksgroep(en)
Project type(s)
- Onderzoeksproject