MétaCan
Menu
Retour à la cohorte
Enregistrement W4309958318 · doi:10.1016/j.xcrp.2022.101172

Olefin cyclization on Cu(111) driven by subsurface carbon and ultraviolet irradiation

2022· article· en· W4309958318 sur OpenAlexafffund
Zhuo Li, Guoqiang Shi, Junfeng Zhou, Yanghan Chen, Pengcheng Ding, Wei Yi, Ye Sun, Xin Yang, Lev Kantorovich, Federico Rosei, Miao Yu

Notice bibliographique

RevueCell Reports Physical Science · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSurface Chemistry and Catalysis
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesHarbin Institute of TechnologyState Key Laboratory of Urban Water Resource and EnvironmentNational Natural Science Foundation of ChinaCanada Research Chairs
Mots-clésOlefin fiberSelectivityCatalysisIrradiationYield (engineering)PhotochemistryUltravioletUltraviolet irradiationChemistrySubstrate (aquarium)Carbon fibersReaction rateCombinatorial chemistryMaterials scienceOrganic chemistryOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Among several major unresolved challenges in reaction chemistry, controlling the yield and selectivity is particularly crucial. For on-surface synthesis (OSS), a prototype for basic understanding of reaction mechanisms, such control remains elusive. Here, using olefin cyclization, an important reaction in organic synthesis yet unknown for OSS to the best of our knowledge, as the model system, we propose a strategy to address this challenge by introducing carbon into the subsurface of Cu(111) (C-Cuδ+) and UV irradiation. The total olefin coupling rate on C-Cuδ+ increases to 10.1- and 5.3-fold higher than that on pristine Cu(111) at 298 and 323 K, respectively. The initial cyclization temperature reduces by 55 K on C-Cuδ+. UV irradiation further promotes the cyclization ratio from 22% to 40.3%. By integrating surface catalysis of the substrate with photochemistry of light-absorbing reactants, our results may open up a promising route for overcoming high reaction barriers and regulating selectivity in OSS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,003
Tête enseignante GPT0,186
Écart entre enseignants0,182 · 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 source (Gemma direct ou Codex distillé), 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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCell Reports Physical ScienceMême sujetSurface Chemistry and CatalysisTravaux en français237 207