MétaCan
Menu
Retour à la cohorte
Enregistrement W7106788191 · doi:10.25545/bo5sot

Computationally Accelerated Discovery of Efficient Dual Component White Light Emitters

2025· dataset· W7106788191 sur OpenAlexaff

Notice bibliographique

RevueUNB Dataverse · 2025
Typedataset
Langue
Domaine
Thématique
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésCommon emitterIridiumComponent (thermodynamics)White lightPhosphorSeries (stratigraphy)

Résumé

récupéré en direct d'OpenAlex

Raw data for a computationally guided approach to formulating solution-based white light emission from a series of H-bonded iridium phosphors and a complementary H-bonding fluorophore. We computationally investigated thirty new Ir(III) complexes which all incorporate a previously studied H-bond rich biguanide functionalised ligand. The results of the computational screening based on TD-DFT peak emission data and established lifetime and quantum efficiency data in the literature indicated seven Ir(III) candidates suitable for synthesis and further investigation. Of the seven Ir(III) complexes, four were chosen based on their synthetic feasibility and their suitability to further study based on the parameters of the screen. Photophysical investigations of these four candidates with our deep blue emitter showed how three out of four of the complexes could achieve near ideal white light in the appropriate ratio of the complementary H-bonding fluorophore, while all four host-guest-complements show promising white-light results in polymer (PMMA) films.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0040,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,013

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 Opus0,017
Tête enseignante GPT0,265
Écart entre enseignants0,249 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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 revueUNB DataverseTravaux en français237 207