Strengthening the Magnetic Interactions in Pseudobinary First-Row Transition Metal Thiocyanates, M(NCS)<sub>2</sub>
Notice bibliographique
Résumé
Understanding the effect of chemical composition on the strength of magnetic interactions is key to the design of magnets with high operating temperatures. The magnetic divalent first-row transition metal (TM) thiocyanates are a class of chemically simple layered molecular frameworks. Here, we report two new members of the family, manganese(II) thiocyanate, Mn(NCS) 2, and iron(II) thiocyanate, Fe(NCS) 2 . Using magnetic susceptibility measurements on these materials and on cobalt(II) thiocyanate and nickel(II) thiocyanate, Co(NCS) 2 and Ni(NCS) 2, respectively, we identify significantly stronger net antiferromagnetic interactions between the earlier TM ions—a decrease in the Weiss constant, θ, from 29 K for Ni(NCS) 2 to −115 K for Mn(NCS) 2 —a consequence of more diffuse 3d orbitals, increased orbital overlap, and increasing numbers of unpaired t 2g electrons. We elucidate the magnetic structures of these materials: Mn(NCS) 2, Fe(NCS) 2, and Co(NCS) 2 order into the same antiferromagnetic commensurate ground state, while Ni(NCS) 2 adopts a ground state structure consisting of ferromagnetically ordered layers stacked antiferromagnetically. We show that significantly stronger exchange interactions can be realized in these thiocyanate frameworks by using earlier TMs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».