Nanotube Matrices for Flexible SnIP Nanowires
Notice bibliographique
Résumé
A detailed density functional theory (DFT) study on 1D-SnIP@2D-material hybrids was conducted. Selected two-dimensional (2D) materials like carbon nanotubes (CNTs), MoS2, phosphorus allotropes (gray and black P), carbon nitrides, and boron nitride were tested as potential 2D hosts or matrices for a highly flexible, pseudo one-dimensional semiconductor SnIP. For a matrix, we selected sheets of the 2D materials rolled-up to nanotubes of 13.1 to 13.8 Å in diameter to accommodate one enantiomeric form of double helical SnIP. SnIP, an atomic-scale inorganic double helix compound, is composed of a racemic mixture of M- and P-double helices that form a pseudo-hexagonal rod packing in the bulk phase. Hybrid materials investigated in this study were classified based on total energy, the internal diameter of the matrix, and bonding interactions. Less-probable and most-probable hybrids were identified. With the hybrid SnIP@C6N8 (8,4), the first example was identified, which seems to allow separation of the M- and P-SnIP enantiomers due to significant differences in bonding interactions and overall fit. Differential crystal orbital Hamilton population analysis shows clear preference of M-SnIP over P-SnIP with a 31 kJ/mol stabilization in total energy for M-SnIP@C6N8. A vibrational mode analysis of all hybrids illustrates that the length of the propagation vector of the SnIP double helix directly correlates with a red shift of the SnIP phosphorus modes. As a proof of principle, a core–shell particle consisting of SnIP and hBN was successfully prepared and investigated.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».