Nanoparticle Doping in Nematic Liquid Crystals: Distinction between Surface and Bulk Effects by Numerical Simulations
Notice bibliographique
Résumé
Doping nematic liquid crystals with small amounts of nanoparticles can significantly alter the electro-optic response of the nematic host. Some of these effects result from nanoparticles influencing the liquid crystal/substrate interface, while other effects are caused by nanoparticles in the bulk. So far, little attention has been paid to the influence of surface interactions on the determination of bulk properties. In the present study, these effects are investigated experimentally and confirmed by numerical simulations. The splay-type Fréedericksz-transition of the nematic liquid crystal 5CB doped with CdSe quantum dots is investigated, as these dispersions are known from earlier studies to affect the initial alignment layers. In comparison, dispersions of chemically and thermally stable silanized gold nanoparticles in the apolar nematic host FELIX-2900-03 are analyzed, which are expected to be bulk-active only. A data fitting routine is presented which allows a distinction between bulk and surface effects of nanoparticle doping. For the quantum dots, an increase of pretilt angle proportional to the doping concentration is found, as well as a slight decrease of the anchoring energy of molecules at the confining substrates. The silanized gold particles show no influence on the boundary conditions up to doping concentrations of 2.5 % (w). For higher concentrations an increase of pretilt angle is reported.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».