Theoretical study of the spin crossover in a single Fe(phen)2(NCS)2 molecule adsorbed onto metallic substrates
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".