Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Lập kế hoạch nguyên tử tính toán cho các đồng polymer dẫn điện mới sử dụng tối ưu hóa đàn vi hạt
Tóm tắt
Một phương pháp metaheuristic có hiệu quả, cụ thể là tối ưu hóa đàn vi hạt kết hợp với kỹ thuật đếm yếu tố tiêu cực và phương pháp lặp ngược đã được áp dụng để thiết kế các đồng polymer nhị phân và ba tiêu chuẩn mới dựa trên khung thiophen, pyrrole và furan. Một nghiên cứu so sánh về cấu trúc điện tử và tính chất dẫn điện của các đồng polymer dị vòng trung tính và các đồng phân thay thế bằng benzene của chúng được suy luận bằng cách sử dụng kết quả cấu trúc băng được suy diễn từ các phép tính orbital tinh thể Hartree–Fock ab-initio. Giá trị khoảng cách băng giảm do sự thay thế trên khung polymer do sự đóng góp tăng lên của quinoid, dự kiến sẽ tăng cường tính dẫn điện nội tại của các đồng polymer kết quả. Nhìn chung, người ta thấy rằng năng lượng HOMO có ảnh hưởng quyết định hơn so với năng lượng LUMO về tỷ lệ phần trăm của các thành phần của các đồng polymer có khoảng cách băng thấp tương ứng. Các xu hướng trong tính chất điện tử của các đồng polymer tương ứng cũng được xác minh và thảo luận với sự trợ giúp của mật độ trạng thái. Những kết quả này có thể giúp tinh giản nỗ lực tổng hợp một cách thận trọng cung cấp một con đường mạnh mẽ cho kỹ thuật phân tử của các vật liệu điện tử bền vững và hiệu quả.
Từ khóa
#tối ưu hóa đàn vi hạt #đồng polymer #thiophen #pyrrole #furan #cấu trúc điện tử #tính chất dẫn điệnTài liệu tham khảo
MacDiarmid AG (2001) Angew Chem Int Ed 40:2581–2590
Harun MH, Saion E, Kassim A, Yahya N, Mahmud E (2007) JASA 2:63–68
Fu P, Li H, Sun J, Yi Z, Wang GC (2013) Prog Org Coat 76:589–595
Wanga PC, Liu LH, Alemu D, Li KH, Wend BJ, Liu TS, Chu CW (2013) Displays. doi:10.1016/j.displa.2013.05.003
Holze R, Wu YP (2013) Electrochim Acta. doi:10.1016/j.electacta.2013.08.100
Kumar V, Singh JK (2010) Indian J Pure Appl Phys 48:571–574
Yamabe T, Bakhshi AK, Yamaguchi Y, Ago H (1997) Macromol Symp 118:513–518
Trey S, Jafarzadeh S, Johansson M (2012) ACS Appl Mater Interfaces 4:1760–1769
Intemann JJ, Yao K, Li XY, Yip HL, Xu YX, Liang PW, Chueh CC, Ding FZ, Yang X, Li X, Chen Y, Jen AKY (2013) Adv Funct Mater 1–9. doi:10.1002/adfm.201302426
Rittmeyer SP, Grob A (2012) Beilstein J Nanotechnol 3:909–919
Puanglek N, Sittattrakul A, Lerdwijitjarud W (2010) Sci J UBU 1(1):35–42
Evenson SJ, Pappenfus TM, Ruiz Delgado MC, Radke-Wohlers KR, Navarrete JTL, Rasmussen SC (2012) Phys Chem Chem Phys 14:6101–6111
Kang I, An TK, Hong JA, Yun HJ, Kim R, Chung DS, Park CE, Kim YH, Kwon SK (2013) Adv Mater 25(4):524–528
Bakhshi AK (1992) Superlattices Microstruct 11:473–493
Esaki L (1986) IEEE J Quantum Electron 22:1682–1695
Gandhi G, Bakhshi AK (2005) Chem Phys 309:143–155
Gandhi G, Bakhshi AK (2003) Solid State Commun 128:467–472
Narita Y, Hagiri I, Takahashi N, Takeda K (2004) Jpn J Appl Phys 43(7A):4248–4258
Srisuwan S, Thongyai S, Sotzing GA, Praserthdam P (2013) Microelectron Eng 104:22–28
Wallace GG, Spinks GM, Kane-Maguire LAP, Teasdale PR (2002) Conductive electroactive polymers: intelligent material systems, 2nd edn. CRC Press, Boca Raton
Lazzaroni R, Pryck AD, Debaisieux C, Riga J, Verbist J, Brédas JL, Delhalle J, André J (1987) Synth Met 21:189–196
Rasmussen SC, Evenson SJ (2013) Prog Polym Sci. doi:10.1016/j.progpolymsci.2013.04.004
El-Nahas AM, Mangood AH, El-Shazly TS (2012) Comp Theor Chem 980:68–72
Kroon R, Lundin A, Lindqvist C, Henriksson P, Steckler TT, Andersson MR (2013) Polymer 54:1285–1288
Bredas JL, Heeger AJ, Wudl F (1986) J Chem Phys 85:4673–4678
Kobayashi M, Colaneri N, Boysel M, Wudl F, Heeger AJ (1985) J Chem Phys 82:5717–5723
Cuff L, Kertesz M, Geisselbrecht J, Kürti J, Kuzmany H (1993) Synth Met 55–57:564–569
Douglas JD, Griffini G, Holcombe TW, Young EP, Lee OP, Chen MS, Fréchet JMJ (2012) Macromolecules 45:4069–4074
Borrelli DC, Gleason KK (2013) Macromolecules 46:6169–6176
Kennedy J, Eberhart RC (2001) Swarm intelligence. Morgan Kaufmann, San Francisco
Sun J, Lai CH, Wu XJ (2011) Particle swarm optimization: classical and quantum perspectives. Chapman & Hall/CRC Numerical Analysis and Scientific Computing Series
Kennedy J, Eberhart RC (1995) Particle swarm optimization. In: Proceedings of the IEEE international conference on neural networks. Perth, Australia, 1942–1948
Kennedy J, Eberhart RC (1997) IEEE Int Conf Syst Man Cybern 5:1404–1413
Bansal JC, Singh PK, Saraswat M, Verma A, Jadon SS, Abraham A (2011) Nature and biologically inspired computing (NaBIC). Congress of IEEE, pp 633–640
Khanesar MA, Shoorehdeli MA (2007) A novel binary particle swarm optimization. In: Proceedings of the IEEE 15th Mediterranean conference on control and automation, Athens, Greece, pp 1–10
Ladik J, Seel M, Otto P, Bakhshi AK (1986) Chem Phys 108:203–214
Wilkinson JH (1965) The algebraic eigenvalue problem. Clarendon Press, Oxford
Press WH, Teukolsky SA, Vetterling WT, Flannery BP (1992) Numerical recipes in Fortran: the art of scientific computing, vol I, 2nd edn. Cambridge University Press, Cambridge
Bell RG, Dean P, Butler DC (1970) J Phys C 3:2111–2118
Thakral P, Arora V, Kukreti S, Bakhshi AK (2013) Indian J Chem 52A:317–326
Bakhshi AK, Ladik J, Seel M (1987) Phys Rev B 35(2):704–712
Bakhshi AK, Ladik J (1987) Solid State Commun 61:71–80
Bakhshi AK (1990) J Mol Struct (Theochem) 209:177–191
Arora V, Bakhshi AK (2010) Chem Phys 373:307–312