MétaCan
Menu
Retour à la cohorte
Enregistrement W3105323469 · doi:10.1021/acs.chemmater.0c03260

Modeling Exsolution of Pt from ATiO<sub>3</sub> Perovskites (A = Ca/Sr/Ba) Using First-Principles Methods

2020· article· en· W3105323469 sur OpenAlexfundno aff
Abhinav S. Raman, Aleksandra Vojvodić

Notice bibliographique

RevueChemistry of Materials · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectronic and Structural Properties of Oxides
Établissements canadiensnon disponible
Organismes subventionnairesAir Force Office of Scientific ResearchCanadian Institute for Advanced Research
Mots-clésPerovskite (structure)DopantDensity functional theoryMaterials scienceMolecular dynamicsAb initioChemical physicsDopingAb initio quantum chemistry methodsDiffusionNanotechnologyChemistryComputational chemistryCrystallographyThermodynamicsMoleculePhysicsOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Exsolution of transition metals from host perovskites has emerged as a unique synthesis method for designing catalysts for energy applications. Here, using accurate first-principles density functional theory, coupled with an ab initio steered molecular dynamics and umbrella sampling framework, we rationalize both the energetics as well as the dynamics of the exsolution process of a quintessential system: Pt-doped ATiO3 (A = Ca/Sr/Ba) perovskites and identify the major driving forces for Pt exsolution. From the developed ab initio thermodynamic framework, we find that Pt exsolution from ATiO3 (A = Ca/Sr/Ba) perovskites has a distinct host-perovskite facet dependence and likely proceeds through sub-surface vacancy formation followed by diffusion of the doped Pt to the surface of the host perovskite. The molecular dynamics simulations reveal that the exsolution process has a clear temperature and host-perovskite dependence, establishing that only specific dopant-host perovskite combinations at favorable thermophysical conditions result in the catalyst with the novel properties. This opens new paths for the predictive synthesis of intelligent catalysts.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,021
Score d'incertitude au seuil0,804

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,063
Tête enseignante GPT0,280
Écart entre enseignants0,217 · 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.

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

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemistry of MaterialsMême sujetElectronic and Structural Properties of OxidesTravaux en français237 207