Ionic Selectivity Inside Solid-State Nanoscale Channels: Physics and Applications
Notice bibliographique
Résumé
Abstract: Ionic selectivity across nanochannels is of great importance to biological activities as well as for designing novel molecular devices/sensors which has wide potential applications in nanotechnology. With the development of experimental and computational facilities and technologies, it becomes possible to study the ionic selectivity inside and across the nanoscale channels by both experiments and simulations. Because of the confinement effect, there are new physical phenomena in such nanotube that are not observed at macrofluidic or microfluidic size scales, including the anomalous hydration shell order, ionic selectivity based on the surface charge. These novel properties lay the foundation for the selectivity of the various types of ions. Several controlling methods for selecting ions are designed and developed, such as a controllable ion-selective nanopore (for selecting K+ and Na+) based on a single-walled carbon nanotube with specially arranged carbonyl oxygen atoms modified inside the nanopore, which was inspired by the structure of biological ionic channels; Nanopores in graphene sheets with different functional units have been applied to sieve cations of alkali metals or anions of group 17 element, respectively; The pore radius can also be determinant factor for choosing ions. Recently, the separation of the positive and negative ions has appealed more concerns. Inside of nanofluidic nanopores, negative and positive ions are manipulated analogously to semiconductor devices such as metal-oxide-semiconductor field effect transistors, where negative and positive charged carriers are manipulated. In this review, we examine some of the recent advances in the dynamics of the ionic selectivity inside solid state nanoscale channels.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».