MétaCan
Menu
Retour à la cohorte
Enregistrement W1858644880 · doi:10.1039/c5sm00745c

Optically tunable chiral nematic mesoporous cellulose films

2015· article· en· W1858644880 sur OpenAlexaff
Maik Schlesinger, Wadood Y. Hamad, Mark J. MacLachlan

Notice bibliographique

RevueSoft Matter · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensFPInnovationsUniversity of British Columbia
Organismes subventionnairesDeutscher Akademischer Austauschdienst
Mots-clésMaterials scienceCelluloseLiquid crystalMesoporous materialChemical engineeringMesoporous silicaMembraneEvaporationPorositySubstrate (aquarium)NanotechnologyOrganic chemistryComposite materialChemistryOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Demand for sustainable functional materials has never been larger. The introduction of functionality into pure cellulose might be one step forward in this field as it is one of the most abundant natural biopolymers. In this paper, we demonstrate a straightforward and scalable way to produce iridescent, mesoporous cellulose membranes with tunable colors and porosity. Concomitant assembly of cellulose nanocrystals (CNCs) and condensation of silica precursors results in CNC-silica composites with chiral nematic structures and tunable optical properties. Removal of the stabilizing silica matrix by alkaline or acid treatment gives access to novel chiral nematic mesoporous cellulose (CNMC) films. Importantly, the optical properties and the mesoporosity can be controlled by either varying the silica-to-CNC ratio, or by varying the substrate used during the evaporation-induced self-assembly process. In order to introduce additional functionality, CNMC has been used to stabilize gold nanoparticles with three different concentrations by wet impregnation. These materials are stable in water and can potentially function in sensors, tissue engineering or functional membranes.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,028
Tête enseignante GPT0,286
Écart entre enseignants0,258 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations58
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207