MétaCan
Menu
Retour à la cohorte
Enregistrement W2079759526 · doi:10.1063/1.4918329

Nanomotor dynamics in a chemically oscillating medium

2015· article· en· W2079759526 sur OpenAlexafffund
Bryan Robertson, Raymond Kapral

Notice bibliographique

RevueThe Journal of Chemical Physics · 2015
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCompute Canada
Mots-clésMolecular motorPropulsionNon-equilibrium thermodynamicsChemical reactionChemical DynamicsDiffusionDynamics (music)Chemical speciesProcess (computing)Biochemical engineeringChemical physicsNanotechnologyChemistryComputer scienceMaterials sciencePhysicsAerospace engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Synthetic nanomotors powered by chemical reactions have potential uses as cargo transport vehicles in both in vivo and in vitro applications. In many situations, motors will have to operate in out-of-equilibrium complex chemically reacting media, which supply fuel to the motors and remove the products they produce. Using molecular simulation and mean-field theory, this paper describes some of the new features that arise when a chemically powered nanomotor, operating through a diffusiophoretic mechanism, moves in an environment that supports an oscillatory chemical reaction network. It is shown how oscillations in the concentrations in chemical species in the environment give rise to oscillatory motor dynamics. More importantly, since the catalytic reactions on the motor that are responsible for its propulsion couple to the bulk phase reaction network, the motor can change its local environment. This process can give rise to distinctive spatiotemporal structures in reaction-diffusion media that occur as a result of active motor motion. Such locally induced nonequilibrium structure will play an important role in applications that involve motor dynamics in complex chemical media.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,102
Score d'incertitude au seuil0,353

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,015
Tête enseignante GPT0,242
Écart entre enseignants0,227 · 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.

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

Citations11
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Chemical PhysicsMême sujetMicro and Nano RoboticsTravaux en français237 207