MétaCan
Menu
Retour à la cohorte
Enregistrement W2401523814 · doi:10.1142/s2047684116500081

First principles calculation of thermo-mechanical properties of thoria using Quantum ESPRESSO

2016· article· en· W2401523814 sur OpenAlexaff
Linu Malakkal, Barbara Szpunar, Juan Carlos Zúñiga, Ravi Kiran Siripurapu, Jerzy A. Szpunar

Notice bibliographique

RevueInternational Journal of Computational Materials Science and Engineering · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNuclear Materials and Properties
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésPhononThermal conductivityDensity functional theoryHeat capacityReciprocal latticeQuantumMaterials scienceLattice (music)Thermal expansionWork (physics)PhysicsThermodynamicsCondensed matter physicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

In this work, we have used Quantum ESPRESSO (QE), an open source first principles code, based on density-functional theory, plane waves, and pseudopotentials, along with quasi-harmonic approximation (QHA) to calculate the thermo-mechanical properties of thorium dioxide (ThO[Formula: see text]. Using Python programming language, our group developed qe-nipy-advanced, an interface to QE, which can evaluate the structural and thermo-mechanical properties of materials. We predicted the phonon contribution to thermal conductivity ([Formula: see text] using the Slack model. We performed the calculations within local density approximation (LDA) and generalized gradient approximation (GGA) with the recently proposed version for solids (PBEsol). We employed a Monkhorst-Pack [Formula: see text] k-points mesh in reciprocal space with a plane wave cut-off energy of 150 Ry to obtain the convergence of the structure. We calculated the dynamical matrices of the lattice on a [Formula: see text] mesh. We have predicted the heat capacity, thermal expansion and the phonon contribution to thermal conductivity, as a function of temperature up to 1400[Formula: see text]K, and compared them with the previous work and known experimental results.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,035
Tête enseignante GPT0,252
Écart entre enseignants0,217 · 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

Citations19
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Computational Materials Science and EngineeringMême sujetNuclear Materials and PropertiesTravaux en français237 207