MétaCan
Menu
Retour à la cohorte
Enregistrement W2121953109 · doi:10.1039/c4fd00265b

Magnetic field-induced self-assembly of iron oxide nanocubes

2015· article· en· W2121953109 sur OpenAlexfundno aff
Gurvinder Singh, Henry Chan, Elijah Gelman, Davide Peddis, Artem Baskin, Gregory Leitus, Petr Král, Rafał Klajn

Notice bibliographique

RevueFaraday Discussions · 2015
Typearticle
Langueen
DomaineEnergy
ThématiqueIron oxide chemistry and applications
Établissements canadiensnon disponible
Organismes subventionnairesIsrael Science FoundationYork UniversityAmerican Chemical Society Petroleum Research FundDivision of Materials ResearchMinerva FoundationNational Science Foundation
Mots-clésSelf-assemblyNanoparticleMagnetiteMaterials scienceNanotechnologyMagnetic fieldMagnetic nanoparticlesIron oxide nanoparticlesChemical physicsIron oxideChemistryPhysicsMetallurgy

Résumé

récupéré en direct d'OpenAlex

Self-assembly of inorganic nanoparticles has been studied extensively for particles having different sizes and compositions. However, relatively little attention has been devoted to how the shape and surface chemistry of magnetic nanoparticles affects their self-assembly properties. Here, we undertook a combined experiment-theory study aimed at better understanding of the self-assembly of cubic magnetite (Fe3O4) particles. We demonstrated that, depending on the experimental parameters, such as the direction of the magnetic field and nanoparticle density, a variety of superstructures can be obtained, including one-dimensional filaments and helices, as well as C-shaped assemblies described here for the first time. Furthermore, we functionalized the surfaces of the magnetic nanocubes with light-sensitive ligands. Using these modified nanoparticles, we were able to achieve orthogonal control of self-assembly using a magnetic field and light.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,018
Tête enseignante GPT0,256
Écart entre enseignants0,238 · 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 source (Gemma direct ou Codex distillé), 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

Citations65
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFaraday DiscussionsMême sujetIron oxide chemistry and applicationsTravaux en français237 207