MétaCan
Menu
Retour à la cohorte
Enregistrement W4409653123 · doi:10.1007/s44373-025-00026-w

Integrating Wolfram Language and Python into Marcus theory: computing toolbox and teaching for students

2025· article· en· W4409653123 sur OpenAlexaff
Xuanze Wang, Kulika Pithaksinsakul, Jie Deng, Yachao Zhu, Olivier Fontaine

Notice bibliographique

RevueDiscover Electrochemistry. · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueParallel Computing and Optimization Techniques
Établissements canadiensUniversité de Montréal
Organismes subventionnairesInstitut Universitaire de FranceNational Research Council of ThailandVidyasirimedhi Institute of Science and Technology
Mots-clésToolboxPython (programming language)Computer scienceProgramming languageMathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

Abstract Marcus theory originally was proposed by scientist Rudolph A. In 1956, Marcus established a theoretical framework for elucidating the kinetics of outer-sphere electron transfer reactions. Further, Marcus theory experienced significant advancements from Marcus and other scientists, developing extensive applications across diverse fields, such as inorganic chemistry, analytical chemistry, materials chemistry, energy chemistry, life chemistry, photochemistry, and solution chemistry. Despite its significance, many chemistry students have challenges in comprehending the fundamental concepts of Marcus theory, particularly the physical interpretation of the associated equations. In this paper, we aim to help students understand well the basics of Marcus theory and improve their mastery of programming ability. It structures an integrated overview of Marcus theory, emphasizing its application through two formalisms on kinetic constant based on reorganization energy. One is a zero-order approximation, and the other one is a one-order approximation. Furthermore, novel modern computational methods are employed to visualize and elucidate the related equations and parameters of Marcus theory. The utilization of programming languages such as Wolfram Language and Python enables straightforward calculation demonstrations, minimizing the occurrence of errors or confusion while ensuring the permanent storage of the provided computing codes. We provide all the necessary codes for plotting and conducting comprehensive analyses, including a typical exercise used in the past 2 years. Our proposed methodology primarily targets graduate and undergraduate students with a certain foundation of chemical and computing knowledge. This work will highly enhance their good comprehension of Marcus theory and improve their valuable computational skills for future research. Graphical Abstract

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,688
Score d'incertitude au seuil0,650

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,003
Tête enseignante GPT0,304
Écart entre enseignants0,301 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiscover Electrochemistry.Même sujetParallel Computing and Optimization TechniquesTravaux en français237 207