MétaCan
Menu
Retour à la cohorte
Enregistrement W3094542389 · doi:10.1021/acsnano.0c03625

Hexagonal Boron Nitride for Sulfur Corrosion Inhibition

2020· article· en· W3094542389 sur OpenAlexaff
Govind Chilkoor, Kalimuthu Jawaharraj, Bhuvan Vemuri, Alex Kutana, Manoj Tripathi, Divya Kota, Taib Arif, Tobin Filleter, Alan Β. Dalton, Boris I. Yakobson, M. Meyyappan, Muhammad M. Rahman, Pulickel M. Ajayan, Venkataramana Gadhamshetty

Notice bibliographique

RevueACS Nano · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMXene and MAX Phase Materials
Établissements canadiensUniversity of Toronto
Organismes subventionnairesDivision of Chemical, Bioengineering, Environmental, and Transport SystemsUT-BattelleNational Aeronautics and Space Administration
Mots-clésCorrosionSulfurMaterials scienceSulfideCoatingHexagonal boron nitrideBoronMetallurgyCopperChemical engineeringBiofilmNanotechnologyInorganic chemistryChemistryBacteriaOrganic chemistryGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Corrosion by sulfur compounds is a long-standing challenge in many engineering applications. Specifically, designing a coating that protects metals from both abiotic and biotic forms of sulfur corrosion remains an elusive goal. Here we report that atomically thin layers (∼4) of hexagonal boron nitride (hBN) act as a protective coating to inhibit corrosion of the underlying copper (Cu) surfaces (∼6–7-fold lower corrosion than bare Cu) in abiotic (sulfuric acid and sodium sulfide) and biotic (sulfate-reducing bacteria medium) environments. The corrosion resistance of hBN is attributed to its outstanding barrier properties to the corrosive species in diverse environments of sulfur compounds. Increasing the number of atomic layers did not necessarily improve the corrosion protection mechanisms. Instead, multilayers of hBN were found to upregulate the adhesion genes in Desulfovibrio alaskensis G20 cells, promote cell adhesion and biofilm growth, and lower the protection against biogenic sulfide attack when compared to the few layers of hBN. Our findings confirm hBN as the thinnest coating to resist diverse forms of sulfur corrosion.

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 enseignants0,002
Score d'incertitude au seuil0,008

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)0,0020,001

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 Opus0,033
Tête enseignante GPT0,262
Écart entre enseignants0,229 · 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

Citations96
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetMXene and MAX Phase MaterialsTravaux en français237 207