MétaCan
Menu
Retour à la cohorte

Etude théorique de la transition de spin dans la molécule Fe(phen)2(NCS)2 adsorbée sur des surfaces métalliques

2014· dissertation· W7147016467 sur OpenAlexaboutno aff
Saber Gueddida

Notice bibliographique

Revuenon disponible
Typedissertation
Langue
DomaineEngineering
ThématiqueSurface Chemistry and Catalysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScaling lawHomogeneousDomain (mathematical analysis)

Résumé

récupéré en direct d'OpenAlex

L’objectif principal de cette thèse est d’utiliser le calcul ab initio fondé sur la théorie de la densité fonctionnelle (DFT) pour calculer et comprendre la transition HS-BS de la molécule FePhen adsorbée sur un substrat métallique. Il s’agit d’abord de décrire les interactions entre FePhen et un substrat métallique ferromagnétique, comme le Co, ou un substrat paramagnétique comme l’or ou le cuivre. Nous avons calculé la barrière de potentiel nécessaire pour basculer la molécule de l’état BS à l’état HS en utilisant la méthode ’Nudged Elastic Band’ (NEB) et développé une méthode basée sur les principes de la méthode NEB, pour déterminer la trajectoire d’énergie minimale (TEM) de la molécule adsorbée sur un substrat métallique. Nous avons calculé le couplage ferromagnétique entre la molécule et le cobalt en fonction du nombre de couches intermédiaires de cuivre. Nous avons étudié en particulier (1) le rôle joué par les interactions van der Waals, (2) la modélisation de la microscopie à effet tunnel (STM) et (3) les propriétés de transport. Nous avons calculé les images STM en utilisant l’approximation de Tersoff et Hamann, qui montrent un bon accord avec les résultats expérimentaux. Nous vons étudié les propriétés de transport de la molécule FePhen adsorbée sur une surface métallique, en utilisant le code Smeagol basé sur la méthode des fonctions de Green hors-équilibre, et le formalisme de Landauer.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,208
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0020,001
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 Opus0,005
Tête enseignante GPT0,238
Écart entre enseignants0,233 · 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.

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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSurface Chemistry and CatalysisTravaux en français237 207