First-principles calculations of equilibrium Ga isotope fractionations between several important Ga-bearing minerals and aqueous solutions

Jixi Zhang

doi:10.1038/s41598-023-32858-0

학술저널 cc-by Full-text

저자정보: Jixi Zhang

출처: Springer Science and Business Media LLC Scientific Reports 13(1)

오류 신고하기

피인용 0

검색

초록·키워드

This study predicts the equilibrium isotope fractionation factors for some important Ga-bearing species, including major minerals, aqueous solutions and gas phase systems. Equilibrium isotope fractionations of Ga were investigated by using the first-principles quantum chemistry method at the B3LYP/6-311+G(d) level. The 103ln(RPFR) values of orthoclase, albite, quartz, kaolinite, forsterite, montmorillonite, gibbsite, cassiterite, aragonite, sphalerite and calcite were calculated with the volume variable cluster model. The 103ln(RPFR)s of these minerals decrease in the following order: orthoclase > albite > quartz > kaolinite > forsterite > montmorillonite > gibbsite > cassiterite > aragonite > sphalerite > calcite. The solvation effect of Ga3+-bearing aqueous species is modeled by the water-droplet method, and the 103ln(RPFR)s of Ga3+-bearing aqueous species decrease in the following order: [Ga(OH)4]- > [Ga(OH)3] > [Ga(OH)]2+ > [Ga(OH)2]+ > [Ga(H2O)6]3+. The calculation results show that equilibrium isotope fractionations of Ga between different minerals, solutions and gas phases are appreciable. Among minerals, Ga isotope fractionation exhibits the largest value between orthoclase and calcite. Ga isotopic fractionation factor between these two minerals can reach 3.18 per mil at 100 °C. Ga isotope fractionations between Ga-bearing aqueous species and minerals are important for obtaining information about the different geochemical processes, such as surficial geochemistry. This study has provided important Ga isotope fractionation factors.

#Aqueous solution #Isotope #Bearing (navigation) #Chemistry #Materials science #Computer science #Physical chemistry #Physics #Nuclear physics

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

댓글(0)