MétaCan
Menu
Retour à la cohorte
Enregistrement W2768021358 · doi:10.1139/cjc-2017-0346

Theoretical study of the CO, NO, and N<sub>2</sub> adsorptions on Li-decorated graphene and boron-doped graphene

2017· article· en· W2768021358 sur OpenAlexvenueno aff
Yao‐Dong Song, Liang Wang, Li‐Ming Wu

Notice bibliographique

RevueCanadian Journal of Chemistry · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrapheneAdsorptionBoronGraphene nanoribbonsMoleculeDopingDensity functional theoryChemistryGraphene oxide paperMaterials scienceChemical engineeringInorganic chemistryNanotechnologyComputational chemistryPhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The adsorption properties of common gas molecules (CO, NO, and N2) on the surface of Li-decorated pristine graphene and Li-decorated boron doped graphene are investigated using density functional theory. The adsorption energy, charge transfer, and density of states of gas molecules on three surfaces have been calculated and discussed, respectively. The results show that Li-decorated pristine graphene has strong interaction with CO and N2. Compared with Li-decorated pristine graphene, Li-decorated boron doped graphene exhibit a comparable adsorption ability of CO and N2. Moreover, Li-decorated boron doped graphene have a more significant adsorption energy to NO than that of Li-decorated pristine graphene because of the chemical interaction of the NO gas molecule. The strong interaction between the NO molecule and substrate (Li-decorated boron doped graphene) induces dramatic changes to the electrical conductivity of Li-decorated boron doped graphene. The results indicate that Li-decorated boron doped graphene would be an excellent candidate for sensing NO gas.

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)0,000
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,013
Tête enseignante GPT0,257
Écart entre enseignants0,244 · 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

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ChemistryMême sujetGraphene research and applicationsTravaux en français237 207