MétaCan
Menu
Retour à la cohorte
Enregistrement W2955254893 · doi:10.1080/10426507.2019.1603234

Carbon nanotube alignment and sorting: Attempting a sulfur moiety as anchoring component

2019· article· en· W2955254893 sur OpenAlexaff
Monika R. Kulak, Derek J. Schipper

Notice bibliographique

RevuePhosphorus, sulfur, and silicon and the related elements · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAnchoringMoietyComponent (thermodynamics)Carbon nanotubeSortingSulfurNanotubeNanotechnologyMaterials scienceChemistryComputer scienceStereochemistryEngineeringPhysicsOrganic chemistryStructural engineeringAlgorithm

Résumé

récupéré en direct d'OpenAlex

Previously, the Schipper group established a method for simultaneously sorting and aligning single walled carbon nanotubes using an alignment relay technique (ART) with molecule 1. Here, further synthetic investigations were pursued to explore another anchoring group and expand functionalization onto different surfaces, in particular for gold substrates. A thiophosphonate moiety (2) is attempted as a substitute for the phosphonate ester on 1 as sulfur has been shown to efficiently chemisorb onto gold surfaces and could make an interesting substrate pursuit for better carbon nanotube alignment. For 2 – it has potential to be obtained through the use of Lawesson’s reagent, although currently the synthesis here failed to demonstrate isolation of the compound. Therefore, additional screening for different intermediate sulfur aligning molecules was also conducted, as to improve the density along side molecule 1 for ART applications. Outcomes are compared with the results on gold surfaces yielding from 1 to establish if more or fewer nanotubes are present on the surface in a horizontally aligned manner with respect to one another. Orientation is characterized via atomic force microscopy and chiralities of the nanotubes are observed via Raman spectroscopy.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,079
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,007
Tête enseignante GPT0,226
Écart entre enseignants0,219 · 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.

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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhosphorus, sulfur, and silicon and the related elementsMême sujetCarbon Nanotubes in CompositesTravaux en français237 207