Magnetic Field‐Induced Shape Transitions in Multiphase Polymer‐Liquid Crystal Blends
Notice bibliographique
Résumé
Abstract Summary: This paper presents a computational study of phase separation‐phase ordering‐texturing in blends of polymer coils and rod‐like nematic liquid crystals under the presence of magnetic fields, using an extended version of the Matsuyama‐Evans‐Cates model ( Phys. Rev. E 2000 , 61 , 2977). This work demonstrates that demixing in these blends leads to droplet morphologies with tunable droplet shapes and director textures. In contrast to filled nematics, where solids are suspended in a nematic liquid crystal matrix, demixing in coil‐mesogenic rods blends leads to nematic emulsions, in which the deformable viscoelastic polymer drops are suspended in a nematic matrix. Under strong anchoring conditions, the imposition of a magnetic field leads to a director re‐orientation that due to strong anchoring produces a droplet shape change. Magnetic field‐induced shape transitions in these blends are shown to be second order with a finite critical field threshold that diverges as anchoring strength vanishes. A morphological‐texture diagram summarizes the magnetic field‐anchoring conditions that promote anisotropic shapes. This work presents additional material processing routes to design and control bi‐phasic morphologies in polymer‐liquid crystal blend. Computed morphology phase diagram in terms of magnetic field strength Λ M and anchoring strength. Λ ϕQ . magnified image Computed morphology phase diagram in terms of magnetic field strength Λ M and anchoring strength. Λ ϕQ .
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) | 0,002 | 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 ».