MétaCan
Menu
Retour à la cohorte
Enregistrement W2322358677 · doi:10.1021/jp405978d

Bonding in Sodium Chloride Nanotubes: A New Analysis via Madelung Constants and Cohesive Energies

2013· article· en· W2322358677 sur OpenAlexaff
Mark D. Baker, A. D. Baker, Christopher R. H. Hanusa, K. Paltoo, E. Danzig, Jane Belanger

Notice bibliographique

RevueThe Journal of Physical Chemistry C · 2013
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensUniversity of Guelph
Organismes subventionnairesCity University of New York
Mots-clésIonic bondingDensity functional theoryMadelung constantMaterials scienceChemical physicsIonic potentialSodiumComputational chemistryThermodynamicsPhysical chemistryChemistryIonCrystallographyPhysicsLattice energyOrganic chemistryCrystal structureMetallurgy

Résumé

récupéré en direct d'OpenAlex

In this paper, the bonding, relative stabilities, and local ionic charges occurring in sodium chloride nanotubes are discussed. A new methodology is introduced which employs a linear relationship between nanotube cohesive energies determined via density functional theory (DFT) and weighted-average Madelung constants (MC(wa)). The slope of the linear plots reveals ionic charges and gives insights into ionic and other contributions to the bonding. Comparisons between ionic and cohesive bonding energies indicate that, as the nanotubes become longer, ionic bonding provides the principal contribution to the increased stabilization. Furthermore, comparisons between the total cohesive and electrostatic energies are used to calculate the percent ionicities. The nanotubes discussed in this paper show that percent ionicity ranges from 47 to 58%. Increasing lengths and decreasing widths of the tubes favor higher ionic character. A linear relationship linking the average ionic coordination number and MC(wa) is also presented for the first time.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,009
Tête enseignante GPT0,255
Écart entre enseignants0,246 · 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'étudeThéorique ou conceptuel
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

Citations12
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry CMême sujetGraphene research and applicationsTravaux en français237 207