✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥 内容介绍
石墨烯，作为一种具有划时代意义的二维材料，自被发现以来，便在材料科学、电子学等众多领域引发了广泛关注。其独特的电学、力学和热学性质，为高性能电子器件、高效能源存储与转换设备等的发展带来了新的契机。准确描述石墨烯中的载流子密度，对于深入理解石墨烯的电学行为、设计和优化石墨烯基器件至关重要。
三维半导体载流子模型经过长期发展，已相对成熟，能有效描述传统三维半导体材料中载流子的行为。然而，石墨烯的二维特性及独特的载流子行为与三维半导体存在显著差异。将三维半导体载流子模型拟合到石墨烯模型上，构建适用于石墨烯的载流子密度模型，不仅有助于拓展我们对石墨烯电学性质的理论认识，还能为石墨烯在实际应用中的性能预测和优化提供有力工具。
三维半导体载流子模型基础
载流子产生与复合机制在三维半导体中，载流子的产生主要源于热激发，即热能使价带中的电子获得足够能量跃迁到导带，从而在价带留下空穴。同时，电子和空穴也会通过复合过程消失，复合方式包括辐射复合（电子和空穴复合时释放光子）和非辐射复合（通过声子等形式释放能量）。
⛳️ 运行结果
📣 部分代码
%NYU 2020
function int = fermi(x, order)
Emax = 10; %eV
kT = 0.025851999786435;
umax= Emax/kT; steps = 20000; %dt = umax/steps;
umin= 1e-4/kT;
u = linspace(0,umax,steps);
u = logspace(log10(umin),log10(umax),steps);
j = order;
f = @(t) t.^(j)./(1+exp(t-x)); %Fermi following NIST DLMF but without prefactor
int = 0;
for i = 2:steps
dt = u(i)-u(i-1);
int = int + (f(u(i))+f(u(i-1)))/2*dt; %Integral using trapezoid rule
end
end
🔗 参考文献
🎈 部分理论引用网络文献，若有侵权联系博主删除
🏆团队擅长辅导定制多种毕业课题和科研领域
MATLAB仿真，助力毕业科研梦：
🌈 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌈 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
