MétaCan
Menu
Retour à la cohorte
Enregistrement W3007712662 · doi:10.1039/d0sc00333f

Simple, scalable mechanosynthesis of metal–organic frameworks using liquid-assisted resonant acoustic mixing (LA-RAM)

2020· article· en· W3007712662 sur OpenAlexafffund
Hatem M. Titi, Jean‐Louis Do, Ashlee J. Howarth, Karthik Nagapudi, Tomislav Friščić

Notice bibliographique

RevueChemical Science · 2020
Typearticle
Langueen
DomaineChemistry
ThématiqueMetal-Organic Frameworks: Synthesis and Applications
Établissements canadiensConcordia UniversityMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGenentech
Mots-clésMechanosynthesisMixing (physics)Simple (philosophy)ScalabilityMaterials scienceMetal-organic frameworkMechanochemistryMetalNanotechnologyChemistryComputer sciencePhysicsPhysical chemistryMetallurgyAdsorption

Résumé

récupéré en direct d'OpenAlex

We present a rapid and readily scalable methodology for the mechanosynthesis of diverse metal-organic frameworks (MOFs) in the absence of milling media typically required for other types of mechanochemical syntheses. We demonstrate the use of liquid-assisted resonant acoustic mixing (LA-RAM) methodology for the synthesis of three- and two-dimensional MOFs based on Zn(ii), Co(ii) and Cu(ii), including a mixed ligand system. Importantly, the LA-RAM approach also allowed the synthesis of the ZIF-L framework that has never been previously obtained in a mechanochemical environment, as well as its Co(ii) analogue. Straightforward scale-up from milligrams to at least 25 grams is demonstrated using the metastable framework ZIF-L as the model.

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)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,031
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,028
Tête enseignante GPT0,265
Écart entre enseignants0,238 · 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

Citations115
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemical ScienceMême sujetMetal-Organic Frameworks: Synthesis and ApplicationsTravaux en français237 207