MétaCan
Menu
Retour à la cohorte
Enregistrement W2981369474 · doi:10.1021/acs.jpcc.9b08208

Quantitative Studies of the Coverage Effects on Microkinetic Simulations for NO Oxidation on Pt(111)

2019· article· en· W2981369474 sur OpenAlexfundno aff
Yunxuan Ding, Yarong Xu, Yihui Song, Chenxi Guo, P. Hu

Notice bibliographique

RevueThe Journal of Physical Chemistry C · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesChina Scholarship CouncilQueen's UniversityQueen's University Belfast
Mots-clésComputer scienceChemistry

Résumé

récupéré en direct d'OpenAlex

To advance a reliable microkinetic modeling approach using density functional theory (DFT) energies is of great importance to bridging between experimental results and theoretical calculations, and the current major issue is the coverage effect. In this work, a full microkinetic modeling for NO oxidation using DFT energetics is developed. We show that the calculated turnover frequency (TOF) (0.22 s–1) agrees with the experimental one (∼0.2 s–1) very well, if the coverage effects are properly incorporated. It is found that to include the interactions of adsorbates, namely, (i) O and O, NO and NO (self-interaction), and (ii) O and NO (cross-interaction), is important to obtain accurate kinetic results. Equally important, the interactions between the adsorbates and the transition states of O–O bond breaking and O–NO coupling are also crucial for achieving precise kinetics. We demonstrate that a two-line model can be used to describe accurately both the self and cross adsorbate–adsorbate interactions as well as the coverage effects on the transition states of O2 dissociation and O–NO coupling. The various approximations including Brønsted–Evans–Polanyi (BEP) relations are carefully examined, and the errors involved are quantified. Moreover, a one-line model is tested, which is a simplified approach but gives rise to a good agreement with experimental results.

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)0,000
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 enseignants0,009
Score d'incertitude au seuil0,208

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,000
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 Opus0,017
Tête enseignante GPT0,316
Écart entre enseignants0,299 · 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

Citations43
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry CMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207