MétaCan
Menu
Retour à la cohorte
Enregistrement W2069552434 · doi:10.3390/nano4030628

Templated Synthesis of Magnetic Nanoparticles through the Self-Assembly of Polymers and Surfactants

2014· review· en· W2069552434 sur OpenAlexaff
Vo Thu An Nguyen, Mario Gauthier, Olivier Sandre

Notice bibliographique

RevueNanomaterials · 2014
Typereview
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesAgence Nationale de la RechercheEuropean Science FoundationEuropean Commission
Mots-clésDispersityNucleationSuperparamagnetismNanoparticleMaterials scienceNanotechnologyMagnetic nanoparticlesParticle sizePolymerMicelleChemical engineeringSelf-assemblyNanoscopic scaleTemplateMagnetizationChemistryOrganic chemistryPolymer chemistryMagnetic fieldAqueous solution

Résumé

récupéré en direct d'OpenAlex

The synthesis of superparamagnetic nanoparticles (NPs) for various technological applications continues to be an interesting research topic. The successful application of superparamagnetic NPs to each specific area typically depends on the achievement of high magnetization for the nanocrystals obtained, which is determined by their average size and size distribution. The size dispersity of magnetic NPs (MNPs) is markedly improved when, during the synthesis, the nucleation and growth steps of the reaction are well-separated. Tuning the nucleation process with the assistance of a hosting medium that encapsulates the precursors (such as self-assembled micelles), dispersing them in discrete compartments, improves control over particle formation. These inorganic-organic hybrids inherit properties from both the organic and the inorganic materials, while the organic component can also bring a specific functionality to the particles or prevent their aggregation in water. The general concept of interest in this review is that the shape and size of the synthesized MNPs can be controlled to some extent by the geometry and the size of the organic templates used, which thus can be considered as molds at the nanometer scale, for both porous continuous matrices and suspensions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,223
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,024
Tête enseignante GPT0,277
Écart entre enseignants0,253 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanomaterialsMême sujetNanoparticle-Based Drug DeliveryTravaux en français237 207