Effect of Mono-Vacant Defects on the Adsorption Properties of Deep Eutectic Solvents onto Hexagonal Boron-Nitride Nanoflakes
Notice bibliographique
Résumé
Hexagonal boron nitride is a promising material for a variety of electronic, optical, and material science applications. Both the synthesis of the material through exfoliation, and its various applications almost inevitably require its solvation. Deep eutectic solvents (DES) are extremely useful solvents for these types of applications due to their non-volatility, inflammability, biocompatibility, and reasonable cost. There are many different deep eutectic solvents available, and their suitability for any given application is particularly dependent on the specific of their structure. DES have been examined computationally for use with boron nitride, but these calculations use idealized, perfect boron nitride sheets instead of the more realistic, defect-containing systems. In this report, we investigated four DESs with two experimentally observed defective boron nitride, one with a single boron vacancy, the other with a single nitrogen vacancy. All DESs bound with higher affinity to the defective boron nitride than to the pristine surface. Charge transfer was minimal in all cases although the surfaces tended to donate electron density to the solvents. The interactions between the solvents and the surfaces are primarily non-covalent although in several cases natural bond order analysis indicates a partial covalent interaction that helps explain the higher-than-expected affinity for particular DES. The DESs have little effect on the predicted optical behaviour of the pristine boron nitride but do significantly change the adsorption spectrum of the defective boron nitride nanoflakes; the effect on bulk material might be limited. Together these results suggest that the choice of DES can either be made to limit any effect on the properties of the material (urea-choline chloride) or to affect the optical and electronic nature of the material (benzoic acid-choline chloride).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».