RHF and DFT Study of the Molecular and Electronic Properties of (SiO2)n and (GeO2)n Nanoclusters
Notice bibliographique
Résumé
The study of nanoclusters has attracted a lot of scientific research over the years. This class of materials are important because they bridge the gap between bulk materials and molecular structures. Silicon and Germanium oxides have many applications in semiconductor technology and nanotechnology. In this research work, molecular and electronic properties of Silicon and Germanium dioxide nanoclusters are studied. The results obtained reveal the comparative advantages and disadvantages of using any of the two oxides for particular applications. Restricted Hartree Fock and Density Functional Theory computations of the molecular and electronic properties of (SiO2)n and (GeO2)n nanoclusters (n = 1,..,6) are studied. Silicon dioxide clusters are found to have higher thermal energies and lower average bond lengths and are thus more stable than Germanium dioxide clusters. At n = 1, both nanoclusters are non-polar, but gradually become more polar with increase in n. The average polarizability, molecular hyperpolarizability and total thermal energies of the nanoclusters increases with increase in molecular size. Computed values of the electron affinities for (SiO2)n clusters agree with experimental results. Some of the most intense Infra Red vibrational motions observed in both molecules are anti-symmetric stretching of Si=O/Ge-O and chain in plane, symmetric stretching of the Si=O/Ge-O bonds and chain in plane and symmetric twisting/breathing of the chain(s) in plane. The two nanoclusters are also Raman active at some frequencies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».