MétaCan
Menu
Retour à la cohorte
Enregistrement W2026416387 · doi:10.1080/15363831003721740

Ammonia Adsorption on SiC Nanotubes: A Density Functional Theory Investigation

2011· article· en· W2026416387 sur OpenAlexfundno aff
Masoud Darvish Ganji, N. Seyed-aghaei, Mehdi Taghavi, Mahyar Rezvani, F. Kazempour

Notice bibliographique

RevueFullerenes Nanotubes and Carbon Nanostructures · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensnon disponible
Organismes subventionnairesIslamic Azad UniversityUniversity of Lethbridge
Mots-clésAdsorptionDensity functional theoryCarbon nanotubeMaterials scienceNanotubeAb initioBinding energyAmmoniaSilicon carbideChemical physicsSelective chemistry of single-walled nanotubesAb initio quantum chemistry methodsChemical engineeringNanotechnologyComputational chemistryPhysical chemistryOptical properties of carbon nanotubesMoleculeChemistryAtomic physicsComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The adsorption of NH3 on a (5, 0) single-walled SiC nanotube is studied by using the density functional theory approach. The silicon atoms in sites on SiCNT surface is the most stable adsorption site for N pointing of NH3 toward the nanotube surface, with a binding energy of −1.36 eV (−31.35 kcal mol−1) and a Si–N binding distance of 1.972 Å. We also have tested the stability of the NH3-adsorbed SiCNT with ab initio molecular dynamics calculations, which have been carried out at room temperature. Furthermore, the adsorption of NH3 on the single-walled carbon nanotubes has been investigated. Our first-principles calculations predict that the NH3 adsorptive capability of silicon carbide nanotubes is much better than that of carbon nanotubes. This demonstrates that SiCNTs could be a promising material for gas detection and energy storage.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,222
Écart entre enseignants0,196 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFullerenes Nanotubes and Carbon NanostructuresMême sujetGraphene research and applicationsTravaux en français237 207