MétaCan
Menu
Retour à la cohorte
Enregistrement W3003608952 · doi:10.1002/cctc.201901838

Probing Interactions of γ‐Alumina with Water via Multinuclear Solid‐State NMR Spectroscopy

2020· article· en· W3003608952 sur OpenAlexaff
Li Shen, Yang Wang, Jia‐Huan Du, Kuizhi Chen, Zhiye Lin, Yujie Wen, Ivan Hung, Zhehong Gan, Luming Peng

Notice bibliographique

RevueChemCatChem · 2020
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced NMR Techniques and Applications
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesNational Institute of General Medical SciencesNational Institutes of HealthNational Science Foundation
Mots-clésNanorodNuclear magnetic resonance spectroscopySolid-state nuclear magnetic resonanceCatalysisMoleculeChemistrySpectroscopyNMR spectra databaseReactivity (psychology)Inorganic chemistryPhysical chemistryChemical engineeringMaterials scienceSpectral lineNanotechnologyNuclear magnetic resonanceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Interactions of γ‐alumina with water are important in controlling its structure and catalytic properties. We apply solid‐state multinuclear NMR spectroscopy to investigate these interactions by monitoring 1H and 17O spectra in real‐time. Surface‐selective detection is made possible by adsorbing 17O‐enriched water on γ‐alumina nanorods. Structural evolution on the surface was selectively probed by 1H/17O double resonance NMR and 27Al NMR at ultrahigh 35.2 T magnetic field. Formation of hydroxyl species on the surface of nanorods is rapid upon the exposure of water, which involves low coordinated aluminum ions with doubly bridging and isolated hydroxyl species being generated first. Fast exchange occurs between oxygen atoms in the water molecules and bare surface sites, indicating high reactivity of these oxygen species. These results provide new insights into the structure and dynamics on the surface of γ‐alumina and the methods applied here can be extended to study the interaction of other oxides with water.

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 seuil0,003

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 Opus0,014
Tête enseignante GPT0,270
Écart entre enseignants0,257 · 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

Citations26
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemCatChemMême sujetAdvanced NMR Techniques and ApplicationsTravaux en français237 207