MétaCan
Menu
Retour à la cohorte
Enregistrement W3084195394 · doi:10.3762/bjnano.11.120

Impact of fluorination on interface energetics and growth of pentacene on Ag(111)

2020· article· en· W3084195394 sur OpenAlexaff
Qi Wang, Antoni Franco-Cañellas, Bin Shen, Thomas Geiger, Holger F. Bettinger, Frank Schreiber, Ingo Salzmann, Alexander Gerlach, Steffen Duhm

Notice bibliographique

RevueBeilstein Journal of Nanotechnology · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensConcordia University
Organismes subventionnairesHigher Education Discipline Innovation ProjectCollaborative Innovation Center of Suzhou Nano Science and TechnologyState Administration of Foreign Experts AffairsDiamond Light Source
Mots-clésMonolayerX-ray photoelectron spectroscopyPentaceneUltraviolet photoelectron spectroscopyMaterials scienceStackingCrystallographyContext (archaeology)AdsorptionLow-energy electron diffractionElectron diffractionDiffractionChemistryNanotechnologyPhysical chemistryLayer (electronics)Nuclear magnetic resonanceOrganic chemistryOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

We studied the structural and electronic properties of 2,3,9,10-tetrafluoropentacene (F4PEN) on Ag(111) via X-ray standing waves (XSW), low-energy electron diffraction (LEED) as well as ultraviolet and X-ray photoelectron spectroscopy (UPS and XPS). XSW revealed that the adsorption distances of F4PEN in (sub)monolayers on Ag(111) were 3.00 Å for carbon atoms and 3.05 Å for fluorine atoms. The F4PEN monolayer was essentially lying on Ag(111), and multilayers adopted π-stacking. Our study shed light not only on the F4PEN-Ag(111) interface but also on the fundamental adsorption behavior of fluorinated pentacene derivatives on metals in the context of interface energetics and growth mode.

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 seuil0,004

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 Opus0,022
Tête enseignante GPT0,306
Écart entre enseignants0,284 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBeilstein Journal of NanotechnologyMême sujetGraphene research and applicationsTravaux en français237 207