MétaCan
Menu
Retour à la cohorte
Enregistrement W2050273510 · doi:10.1524/zpch.2012.0295

Generalized Routes to Mesostructured Silicates with High Metal Content

2012· article· en· W2050273510 sur OpenAlexaff
Scott C. Warren, Matthew R. Perkins, Ulrike Werner‐Zwanziger, Josef W. Zwanziger, Franics J. DiSalvo, Ulrich Wiesner

Notice bibliographique

RevueZeitschrift für Physikalische Chemie · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMesoporous Materials and Catalysis
Établissements canadiensDalhousie University
Organismes subventionnairesCornell Center for Materials ResearchNational Science Foundation
Mots-clésSmall-angle X-ray scatteringLigand (biochemistry)Materials scienceMetalSol-gelNanomaterialsNanocompositeChemical engineeringTransmission electron microscopySilaneScatteringNanotechnologyChemistryComposite materialMetallurgy

Résumé

récupéré en direct d'OpenAlex

Abstract Nanostructured materials with high metal content are interesting for a number of applications, including catalysis as well as energy conversion and storage. Here we elaborate an approach that combines the advantages of simple silica sol-gel chemistry with the ability to tailor metal composition and structure by introducing a ligand that connects a silane with an amino acid or hydroxy acid. Reacting this ligand with a metal acetate generates a precursor for a range of metal-silica nanocomposites. Comparing this chemistry with conventional organic ligand-metal complexes that can be physically mixed into sol-gel derived silicates elucidates advantages, e.g. of going to high metal loadings. Resulting nanomaterials are characterized by a combination of small-angle X-ray scattering (SAXS), transmission electron microscopy (TEM), and solid-state nuclear magnetic resonance (NMR) to reveal structural characteristics on multiple lengths scales, i.e. from the microscopic (molecular) level (NMR) all the way to the mesoscale (SAXS) and macroscale (TEM).

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,013
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,250
Écart entre enseignants0,229 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations6
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZeitschrift für Physikalische ChemieMême sujetMesoporous Materials and CatalysisTravaux en français237 207