MétaCan
Menu
Retour à la cohorte
Enregistrement W3201604654 · doi:10.33774/chemrxiv-2021-fdd6d

Role of adatom defects in the adsorption of polyaromatic hydrocarbons on metallic substrates

2021· preprint· en· W3201604654 sur OpenAlexafffund
Dushanthi S. Dissanayake, Yarra Hassan, Emilian Tuca, Irina Paci

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineChemistry
ThématiqueSynthesis and Properties of Aromatic Compounds
Établissements canadiensUniversity of British ColumbiaUniversity of Victoria
Organismes subventionnairesWestern Canada Research GridCompute Canada
Mots-clésCoroneneAdsorptionSubstrate (aquarium)Chemical physicsDensity functional theoryMoleculeFlatteningMonomerChemistryMetalHeliceneComputational chemistryMaterials sciencePhysical chemistryOrganic chemistryPolymer

Résumé

récupéré en direct d'OpenAlex

The adsorption of polyaromatic hydrocarbons (PAHs) on metallic substrates has been of interest in the field of optoelectronics due to the possibility of designing complex materials with tunable properties through surface functionalization with organic molecules. Much of the modelling research in this field has focused on perfectly symmetrical (idealized) substrates. Limited research has investigated the effect of substrate irregularities, such as adatoms, on the binding of PAHs onto substrates. Here, we examine how the presence of substrate-bound adatoms affects the binding of coronene and hexahelicene monomers and dimers onto Au(111) and Cu(111) substrates using a density functional theory approach. We found that helicene monomers were more effectively able to adapt to the presence of the adatoms than coronene by coiling around the adatoms. Whereas upon adsorption on an ideal (111) surface, coronene can establish significantly stronger dispersive interactions than helicenes, adatom defects reverse the trend. For helicenes, the degree of flattening near the surface and molecular coiling were strongly influenced by the extent of the adatom defect, as a result of the interplay between the molecule’s drive to maximize overlap with the underlying surface and the enhanced reactivity of lower-coordinated adatoms.

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 enseignants0,059
Score d'incertitude au seuil0,834

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0010,000
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 Opus0,021
Tête enseignante GPT0,229
Écart entre enseignants0,208 · 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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSynthesis and Properties of Aromatic CompoundsTravaux en français237 207