Can We Predict Interface Dipoles Based on Molecular Properties?

偶极子 力矩(物理) 接口(物质) 电荷(物理) 化学物理 功能(生物学) 单层 密度泛函理论 吸附 统计物理学 材料科学 计算化学 生物系统 化学 物理 计算机科学 纳米技术 量子力学 物理化学 吉布斯等温线 进化生物学 生物
作者
Johannes J. Cartus,Andreas Jeindl,Oliver T. Hofmann
出处
期刊:ACS omega [American Chemical Society]
卷期号:6 (47): 32270-32276 被引量:4
标识
DOI:10.1021/acsomega.1c05092
摘要

We apply high-throughput density functional theory calculations and symbolic regression to hybrid inorganic/organic interfaces with the intent to extract physically meaningful correlations between the adsorption-induced work function modifications and the properties of the constituents. We separately investigate two cases: (1) hypothetical, free-standing self-assembled monolayers with a large intrinsic dipole moment and (2) metal-organic interfaces with a large charge-transfer-induced dipole. For the former, we find, without notable prior assumptions, the Topping model, as expected from the literature. For the latter, highly accurate correlations are found, which are, however, clearly unphysical.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1爱3完成签到,获得积分10
刚刚
情怀应助研三也是三采纳,获得10
刚刚
1秒前
Singularity发布了新的文献求助10
1秒前
2秒前
White Night发布了新的文献求助10
3秒前
Theodore完成签到,获得积分10
4秒前
乐乐应助caer采纳,获得10
6秒前
anna1992发布了新的文献求助10
6秒前
10秒前
10秒前
11秒前
baopan完成签到,获得积分10
13秒前
科目三应助淡淡的沛文采纳,获得10
13秒前
李卓航发布了新的文献求助10
14秒前
笨笨雪碧发布了新的文献求助10
15秒前
鳗鱼宛凝发布了新的文献求助10
17秒前
17秒前
Azusa完成签到,获得积分10
18秒前
18秒前
20秒前
笨笨雪碧完成签到,获得积分10
21秒前
英俊的铭应助JCQ采纳,获得30
21秒前
22秒前
xiexie完成签到,获得积分10
23秒前
Fairy完成签到,获得积分10
25秒前
大个应助小薛采纳,获得10
26秒前
糊涂的MJ发布了新的文献求助10
26秒前
慈祥的蛋挞完成签到 ,获得积分10
26秒前
bswxy发布了新的文献求助10
26秒前
阳光的青寒完成签到,获得积分10
28秒前
29秒前
li5498693完成签到,获得积分20
29秒前
momo完成签到,获得积分10
29秒前
香蕉觅云应助liliping采纳,获得10
30秒前
yingfeng发布了新的文献求助10
30秒前
31秒前
31秒前
王丽雅发布了新的文献求助10
32秒前
AX完成签到,获得积分10
33秒前
高分求助中
Markov Chain Monte Carlo 10000
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Common Foundations of American and East Asian Modernisation: From Alexander Hamilton to Junichero Koizumi 5000
How to Use Machine Learning in Chemistry: An Introduction 1000
Matrix Methods in Data Mining and Pattern Recognition Second Edition 510
Discerning Saints: Moralization of Intrinsic Motivation and Selective Prosociality at Work 500
Handbuch Trainingswissenschaft – Trainingslehre 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7584207
求助须知:如何正确求助?哪些是违规求助? 9162939
关于积分的说明 19608798
捐赠科研通 7166008
什么是DOI,文献DOI怎么找? 3266383
关于科研通互助平台的介绍 2431387
邀请新用户注册赠送积分活动 2257947