MétaCan
Menu
Retour à la cohorte
Enregistrement W2795914066 · doi:10.1021/acs.jpcc.7b12743

Effect of a Metal Substrate on Interlayer Interactions in Bilayer Graphene

2018· article· en· W2795914066 sur OpenAlexafffund
Matthew S. Christian, Erin R. Johnson

Notice bibliographique

RevueThe Journal of Physical Chemistry C · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhysisorptionGrapheneMaterials scienceExfoliation jointBilayer grapheneSubstrate (aquarium)ChemisorptionBilayerDensity functional theoryChemical physicsDispersion (optics)AdsorptionNanotechnologyComputational chemistryChemistryPhysical chemistryOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Bilayer graphene (BLG) has been shown to have advantageous electronic and physical properties relative to single-layer graphene and is a model system for probing the tribology of graphene-based lubricants. However, few studies have investigated how metal substrates affect interlayer interactions, as quantified by the exfoliation energy and the sliding barrier of the upper graphene layer. In this work, we present a study of adsorbed BLG on several transition-metal surfaces using density-functional theory incorporating the exchange-hole dipole moment dispersion model. Our results show that physisorption of BLG on a surface does not significantly perturb the interlayer interactions, exfoliation, or sliding. Conversely, chemisorption of BLG increases the exfoliation energy and decreases the sliding barriers because of stronger dispersion contributions from the metal substrate. Changes in translational and rotational orientations massively impact the sliding friction for Ni group metals that can facilitate both chemisorption and physisorption.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,017
Tête enseignante GPT0,329
Écart entre enseignants0,313 · 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'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

Citations12
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

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