MétaCan
Menu
Retour à la cohorte
Enregistrement W4401329931 · doi:10.1039/d4cp00032c

Water molecules in boron nitride interlayer space: ice and hydrolysis in super confinement

2024· article· en· W4401329931 sur OpenAlexaff
Amin Hosseini, Amir Masoud Yarahmadi, Shahab Azizi, Asghar Habibnejad Korayem, Rouzbeh Savary

Notice bibliographique

RevuePhysical Chemistry Chemical Physics · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesAustralian Research Council
Mots-clésBoron nitrideDurabilityMoleculeBoronHydrolysisMaterials scienceNanotechnologyChemical engineeringChemistryChemical physicsComposite materialOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Development of nano-sized channels and filters in the recent years has made the role of water immensely important as water molecules affect their performance and durability. Here, we take advantage of molecular dynamics and density functional theory methods to demonstrate the shift in behavior of water molecules confined between hexagonal boron nitride (HBN) sheets spaced at 3.0 to 6.5 Å. Our results demonstrate that lower interlayer spaces cause higher amounts of charge transferred between the species, while at extreme degrees of confinement, these interactions cause the disintegration of trapped water molecules. Consequently, the inner face of the HBN sheets is functionalized with hydroxyl groups, releasing hydrogens in the form of protons that travel the interlayer space by Grotthuss mechanism. This is the first-hand evidence of a mechanical form of hydrolysis that corresponds with a nucleophilic attack (on boron atoms) to relieve water from extreme confined conditions. This process unveils a previously unknown behavior of water within extremely confined spaces and reveals new considerations concerning nanofilters and nanochannels.

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 seuil0,002

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 Opus0,009
Tête enseignante GPT0,263
Écart entre enseignants0,253 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical Chemistry Chemical PhysicsMême sujetGraphene research and applicationsTravaux en français237 207