MétaCan
Menu
Retour à la cohorte
Enregistrement W4406618126 · doi:10.1002/cmtd.202400078

<sup>35</sup>Cl NMR of Metal‐Organic Frameworks: What Can We Learn?

2025· article· en· W4406618126 sur OpenAlexafffund
Wanli Zhang, Bryan E. G. Lucier, Mathew J. Willans, Yining Huang

Notice bibliographique

RevueChemistry - Methods · 2025
Typearticle
Langueen
DomaineChemistry
ThématiqueMetal-Organic Frameworks: Synthesis and Applications
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlliance de recherche numérique du CanadaCompute Canada
Mots-clésMetalChemistryMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Metal‐organic frameworks (MOFs) are a diverse class of hybrid organic‐inorganic materials with a wide range of applications. Chlorine often plays a crucial role in MOF structures; the local environment about Cl significantly affects material properties and applications. It is shown that direct characterization of Cl local environments within MOFs using 35Cl wideline solid‐state NMR (SSNMR) provides unique insights into the local electronic and chemical structure, including the Cl bonding mode. 35Cl SSNMR provides clear information regarding hydrogen bonding within MOFs and also yields direct evidence of phase transitions. There is a strong correlation linking 35Cl quadrupolar interaction parameters to local bond lengths and angles. It is also shown that 35Cl SSNMR of MOFs can be effective when paramagnetic centers are directly bound to Cl, greatly expanding the applicability of this approach. Density functional theory calculations of quadrupolar interaction parameters are in good agreement with experimental values, particularly when dispersion corrections are used for geometry optimization. This work highlights the broad potential of 35Cl SSNMR for investigating MOFs and invites further applications in the field.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,020
Tête enseignante GPT0,317
Écart entre enseignants0,296 · 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
GenreMéthodes

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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemistry - MethodsMême sujetMetal-Organic Frameworks: Synthesis and ApplicationsTravaux en français237 207