MétaCan
Menu
Retour à la cohorte
Enregistrement W2036872940 · doi:10.1002/adma.200802897

Metal Chalcogenide Clusters on the Border between Molecules and Materials

2009· article· en· W2036872940 sur OpenAlexaff
John F. Corrigan, Olaf Fuhr, Dieter Fenske

Notice bibliographique

RevueAdvanced Materials · 2009
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanocluster Synthesis and Applications
Établissements canadiensWestern University
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésNanoclustersChalcogenideMaterials scienceCluster (spacecraft)ChalcogenTernary operationNanotechnologySelenideThermal decompositionMetalSupramolecular chemistryTransition metalMoleculeNanoparticleCrystal structureChemical physicsCrystallographyCatalysisSeleniumChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The preparative and materials chemistry of high nuclearity transition metal chalcogenide nanoclusters has been in the focus of our research for many years. These polynuclear metal compounds possess rich photophysical properties and can be understood as intermediates between mononuclear complexes and binary bulk phases. Based on our previous results we discuss herein recent advances in three different areas of cluster research. In the field of copper selenide clusters we present the synthesis of monodisperse, nanostructured α‐Cu2Se via the thermolysis of well‐defined cluster compounds as well as our approaches in the synthesis of functionalized clusters. In case of silver chalcogenides we established a strategy to synthesis cluster compounds containing several hundreds of silver atoms with the nanoclusters arranging in a closely packed crystal lattice. Finally the presented chalcogenide clusters of the group 12 metals (Zn, Cd, Hg) can be taken as model compounds for corresponding nanoparticles as even the smallest of frameworks display a clear structural relationship to the bulk materials.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,276
Écart entre enseignants0,261 · 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'étudeExpérimental (laboratoire)
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

Citations229
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetNanocluster Synthesis and ApplicationsTravaux en français237 207