MétaCan
Menu
Retour à la cohorte
Enregistrement W3137059235 · doi:10.1103/physrevlett.126.117002

Quantum and Classical Proton Diffusion in Superconducting Clathrate Hydrides

2021· article· en· W3137059235 sur OpenAlexafffund
Hui Wang, Yansun Yao, Feng Peng, Hanyu Liu, Russell J. Hemley

Notice bibliographique

RevuePhysical Review Letters · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen Storage and Materials
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesChina Postdoctoral Science FoundationNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of ChinaJilin UniversityNational Science Foundation
Mots-clésSuperconductivityProtonClathrate hydrateDiffusionPhysicsCondensed matter physicsHydrogenElectronMaterials scienceThermodynamicsNuclear physicsChemistryHydrateQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

The discovery of near room temperature superconductivity in clathrate hydrides has ignited the search for both higher temperature superconductors and deeper understanding of the underlying physical phenomena. In a conventional electron-phonon mediated picture for the superconductivity for these materials, the high critical temperatures predicted and observed can be ascribed to the low mass of the protons, but this also poses nontrivial questions associated with how the proton dynamics affect the superconductivity. Using clathrate superhydride Li_{2}MgH_{16} as an example, we show through ab initio path integral simulations that proton diffusion in this system is remarkably high, with a diffusion coefficient, for example, reaching 6×10^{-6} cm^{2}/s at 300 K and 250 GPa. The diffusion is achieved primarily through proton transfer among interstitial voids within the otherwise rigid Li_{2}Mg sublattice at these conditions. The findings indicate the coexistence of proton quantum diffusion together with hydrogen-induced superconductivity, with implications for other very-high-temperature superconducting hydrides.

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)0,000
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 enseignants0,018
Score d'incertitude au seuil0,534

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,029
Tête enseignante GPT0,304
Écart entre enseignants0,275 · 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

Citations26
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Review LettersMême sujetHydrogen Storage and MaterialsTravaux en français237 207