Atomistic Analysis of the Microbial Influence on the Adsorption Characteristic of Sulfur, Hydrogen, and SO<sub>4</sub>on Iron Surfaces
Notice bibliographique
Résumé
The corrosion of metals is enhanced by the presence of microbes on the surface; however, the mechanisms governing this impact are poorly understood. This study used a molecular modeling approach to understand microbial activity on a metal surface. As microbes can remove protons from the biofilm or consume electrons from the iron surface, this electron transfer activity is modeled in density functional theory as an external electric field. Three corrosion-causing components, (i) sulfur, (ii) hydrogen, and (iii) SO 4, are studied over iron surfaces. It is observed that the adsorption energy of SO 4, sulfur, and hydrogen on Fe (100), Fe (110), and Fe (310) surfaces increased with the applied electric field, irrespective of the direction (positive/negative) of the electric field. The Fe (110) surface is more stable than the Fe (100) and Fe (310) surfaces for the adsorption of sulfur and SO 4, even at higher electric fields and concentrations of the components. This confirms the common understanding that Fe (110) is a higher corrosion resistive compared to Fe (100) and Fe (310). Further investigation is performed using population analysis, electronic density of states, and density difference. This analysis confirms Fe (110) microbial corrosion resistance characteristics.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».