MétaCan
Menu
Retour à la cohorte
Enregistrement W2976944501

Molecular Dynamics Simulation of Temperature-Dependent Distribution of Gold Nano Particles on Ferroelectrics Substrate

2017· article· en· W2976944501 sur OpenAlexvenueno aff
Yue Liu, Jiuyang Li, Jiahe Wang, Mohan Qin, Yuejun Sun

Notice bibliographique

RevueJournal of Materials Science Research · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueSurfactants and Colloidal Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceDissipative particle dynamicsSubstrate (aquarium)Colloidal goldNano-Particle (ecology)NanotechnologyMolecular dynamicsChemical physicsDissipative systemChemical engineeringNanoparticleComposite materialThermodynamicsChemistryComputational chemistryPhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

<p class=MsoNormal style=margin-bottom:0in;margin-bottom:.0001pt;text-align: justify;line-height:150%;vertical-align:baseline> Abstract Gold Nano Particles (GNPs) have been considered the widely used catalyst for chemical industry. However, the efficiency of the GNPs has been limited by the aggregation of the GNPs, as the active sites are only located on the surface of the catalyst particles. In this paper we report the surface aggregation dynamics of GNPs on ferroelectrics substrate. The ferroelectrics substrate and temperature could regulate the coverage of the GNPs. The method of reducing the particle size to obtain the dispersed morphology of GNPs was discussed by the dissipative particle dynamics method and density functional theory. The positive surface could offer more electrons on the GNPs and are responsible for the dispersed morphology of the GNPs.

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)0,005
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 enseignants0,003
Score d'incertitude au seuil0,321

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,050
Tête enseignante GPT0,365
Écart entre enseignants0,315 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetSurfactants and Colloidal SystemsTravaux en français237 207