MétaCan
Menu
Retour à la cohorte
Enregistrement W4378905952 · doi:10.2533/chimia.2023.355

Dynamic Materials, Crystals, and Phenomena Conference

2023· article· en· W4378905952 sur OpenAlexaboutno aff
Jovana V. Milić, Simon Krause

Notice bibliographique

RevueCHIMIA International Journal for Chemistry · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesNational Center of Competence in Research Bio-Inspired Materials, University of FribourgSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésMaterials scienceEngineering physicsNanotechnologyPhysics

Résumé

récupéré en direct d'OpenAlex

addressed essential experimental and theoretical techniques for assessing the structural and dynamic properties of this unique class of materials at a spatial-temporal level.The hybrid conference format involved sessions both on-site and online, providing attendees with insights into the dynamic materials, crystals, and phenomena.The program consisted of a series of keynote and invited talks, contributing presentations, and a poster session that covered a wide range of related topics (Fig. 3).The first day of the conference began with a keynote address by Stephen Loeb (University of Windsor, Canada) on designing mechanically interlocked molecules to function in the solid state, which provided a historical perspective on solid-state dynamics.The focus was on macrocyclic ring rotation, large amplitude translation, molecular switching, and the precise placement and interaction between components with different dynamics.This was followed by an invited talk by Angiolina Comotti (University of Milano-Bicocca, Italy) on rotor dynamics and light-driven motors in 3D porous architectures.In the afternoon, invited lectures covered topics such as pressure-driven phase transitions for solidstate refrigeration by Claire Hobday (University of Edinburgh, UK), non-crystallinity and disorder in dynamic metal-organic frameworks by Sebastian Henke (Technische Universität Dortmund, Germany), and static and dynamic conformational freedom by Stefano Canossa (Max Planck Institute for Solid-State Research, Germany).The day concluded with a welcome reception, dinner, and networking.The second day began with a keynote by Monique van der Ve en (Delft University of Technology, The Netherlands) on coupled linker and electric field-induced dynamics in metal-organic frameworks and Nicolas Giuseppone (University of Strasbourg, France) on artificial molecular machines that work on different scales.The conference proceeded with four excellent contributing talks by early-career researchers: Ken-ichi Otake (Kyoto

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,933
Score d'incertitude au seuil0,223

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0050,002
Science ouverte0,0010,004
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0670,014

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 Opus0,014
Tête enseignante GPT0,297
Écart entre enseignants0,283 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCHIMIA International Journal for ChemistryMême sujetMachine Learning in Materials ScienceTravaux en français237 207