MétaCan
Menu
Retour à la cohorte
Enregistrement W2410304542 · doi:10.1002/2016gl069084

First‐principles prediction of fast migration channels of potassium ions in KAlSi<sub>3</sub>O<sub>8</sub> hollandite: Implications for high conductivity anomalies in subduction zones

2016· article· en· W2410304542 sur OpenAlexaff
Yu He, Yang Sun, Xia Lu, Jian Gao, Hong Li, Heping Li

Notice bibliographique

RevueGeophysical Research Letters · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNuclear materials and radiation effects
Établissements canadiensMcGill University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésHollanditeRingwooditeIonic conductivityConductivityAlkali metalBiogeosciencesGeologyIonic bondingMineralogyMaterials scienceIonMantle (geology)GeochemistryChemistryPhysical chemistryElectrolyte

Résumé

récupéré en direct d'OpenAlex

Abstract Materials sharing the hollandite structure were widely reported as fast ionic conductors. However, the ionic conductivity of KAlSi3O8 hollandite (K‐hollandite), which can be formed during the subduction process, has not been investigated so far. Here first‐principles calculations are used to investigate the potassium ion (K+) transport properties in K‐hollandite. The calculated K+ migration barrier energy is 0.44 eV at a pressure of 10 GPa, an energy quite small to block the K+ migration in K‐hollandite channels. The calculated ionic conductivity of K‐hollandite is highly anisotropic and depends on its concentration of K+ vacancies. About 6% K+ vacancies in K‐hollandite can lead to a higher conductivity compared to the conductivity of hydrated wadsleyite and ringwoodite in the mantle. K+ vacancies being commonly found in many K‐hollandite samples with maximum vacancies over 30%, the formation of K‐hollandite during subduction of continental or alkali‐rich oceanic crust can contribute to the high conductivity anomalies observed in subduction zones.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0020,001
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 Opus0,038
Tête enseignante GPT0,284
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'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

Citations21
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetNuclear materials and radiation effectsTravaux en français237 207