A computational study of biological and optical \nmaterials
Notice bibliographique
Résumé
This thesis reports computational studies about protein-ion binding in part I, and \noptical properties of organic materials in part II. \nIt is very difficult to investigate a whole protein computationally. So here I proposed \nsmaller models to probe protein-ion binding: a short triple helix (triple chain), \na short peptide chain, and individual amino acids. The binding energies, and particularly \nthe differences in binding energy between Na⁺ and K⁺ ions, do depend on the \nmodel and the constraints. I have applied these models to understand experimental \nobservations about the distinct roles of Na⁺ and K⁺ in collagen aggregation and fibrillogenesis. \nI have calculated the binding energies for the Na⁺ and K⁺ with several \nkey amino acids in collagen, selected by analysis of collagen sequence, using density \nfunctional theory (DFT). \nIn part II, I have focused on first and second hyperpolarizabilities of anthraquinoidtype \nπ-extended tetrathiafulvalene, referred to as TTFAQ, and its analogues. This \nproject has employed a wide range of functional groups to exploit the electron donor \ncapability of TTFAQ in order to explore the hyperpolarizabilities of its derivatives. I \nhave assessed size and charge distribution metrics as predictors for NLO response of \nthe TTFAQ derivatives.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».