MétaCan
Menu
Retour à la cohorte
Enregistrement W2494168111 · doi:10.1063/1.4958966

Influence of surface vacancy defects on the carburisation of Fe 110 surface by carbon monoxide

2016· article· en· W2494168111 sur OpenAlexaff
Aurab Chakrabarty, O. Bouhali, Normand Mousseau, Charlotte Becquart, Fedwa El‐Mellouhi

Notice bibliographique

RevueThe Journal of Chemical Physics · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensUniversité de Montréal
Organismes subventionnairesQatar National Research FundTexas A and M University
Mots-clésVacancy defectDissociation (chemistry)AdsorptionCarbon monoxideDensity functional theoryMaterials scienceMetalChemical physicsCarbon atomAtom (system on chip)ChemistryPhotochemistryCrystallographyPhysical chemistryComputational chemistryCatalysisMetallurgyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Adsorption and dissociation of gaseous carbon monoxide (CO) on metal surfaces is one of the most frequently occurring processes of carburisation, known as primary initiator of metal dusting corrosion. Among the various factors that can significantly influence the carburisation process are the intrinsic surface defects such as single surface vacancies occurring at high concentrations due to their low formation energy. Intuitively, adsorption and dissociation barriers of CO are expected to be lowered in the vicinity of a surface vacancy, due to the strong attractive interaction between the vacancy and the C atom. Here the adsorption energies and dissociation pathways of CO on clean and defective Fe 110 surface are explored by means of density functional theory. Interestingly, we find that the O adatom, resulting from the CO dissociation, is unstable in the electron-deficit neighbourhood of the vacancy due to its large electron affinity, and raises the barrier of the carburisation pathway. Still, a full comparative study between the clean surface and the vacancy-defected surface reveals that the complete process of carburisation, starting from adsorption to subsurface diffusion of C, is more favourable in the vicinity of a vacancy defect.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,009
Score d'incertitude au seuil0,269

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,232
Écart entre enseignants0,222 · 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 tête enseignante, 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

Citations15
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Chemical PhysicsMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207