MétaCan
Menu
Retour à la cohorte
Enregistrement W4317543081 · doi:10.1021/acs.jchemed.2c00777

The Importance of Synthesis Conditions: Structure–Processing–Property Relationships

2023· article· en· W4317543081 sur OpenAlexafffund
Shuang Qiu, Dongyang Zhang, Vishal Yeddu, Cristina Cordoba, Arthur M. Blackburn, Violeta Iosub, Makhsud I. Saidaminov

Notice bibliographique

RevueJournal of Chemical Education · 2023
Typearticle
Langueen
DomaineEngineering
ThématiquePerovskite Materials and Applications
Établissements canadiensUniversity of Victoria
Organismes subventionnairesBritish Columbia Knowledge Development FundNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanada Foundation for Innovation
Mots-clésCrystalliteCrystallizationProperty (philosophy)Crystal structureMaterials scienceCrystal (programming language)Chemical physicsPerovskite (structure)NanotechnologyChemistryCrystallographyComputer scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

When structure–property relationships are discussed in inorganic chemistry and materials science, the common perception is that materials with the same composition and atomic arrangement have the same properties. In this laboratory experiment, we show that processing ─the exact conditions under which materials are made─can in fact significantly alter the properties of materials. Using halide perovskite as a model, we demonstrate that the same set of starting chemicals, when processed differently, can form distinct material platforms–single crystals, thin films, and nanoparticles, the last of these being made of crystallites that are 10,000 times smaller than the first. We then show how this difference in crystal size leads to major changes in the optical properties of the materials, despite the fact that they have the same composition and crystal structure. The experiment provides an example of how the basic concept of crystallization leads to different materials and how processing affects the crystal size and thus influences the structure–property relationship.

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 enseignants0,071
Score d'incertitude au seuil0,126

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 Opus0,017
Tête enseignante GPT0,263
Écart entre enseignants0,246 · 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

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical EducationMême sujetPerovskite Materials and ApplicationsTravaux en français237 207