MétaCan
Menu
Retour à la cohorte
Enregistrement W2269885237 · doi:10.1038/ncomms10009

Transformation and patterning of supermicelles using dynamic holographic assembly

2015· article· en· W2269885237 sur OpenAlexaff
Oliver E. C. Gould, Huibin Qiu, David J. Lunn, John Rowden, Robert L. Harniman, Zachary M. Hudson, Mitchell A. Winnik, M. J. Miles, Ian Manners

Notice bibliographique

RevueNature Communications · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiquePickering emulsions and particle stabilization
Établissements canadiensUniversity of Toronto
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilEngineering and Physical Sciences Research CouncilWolfson FoundationUniversity of Bristol
Mots-clésSolvophobicOptical tweezersNanotechnologySoft matterHolographyMaterials scienceSupramolecular chemistryNanostructureSelf-assemblyBlock (permutation group theory)FabricationChemistryPhysicsOpticsColloidMolecule

Résumé

récupéré en direct d'OpenAlex

Although the solution self-assembly of block copolymers has enabled the fabrication of a broad range of complex, functional nanostructures, their precise manipulation and patterning remain a key challenge. Here we demonstrate that spherical and linear supermicelles, supramolecular structures held together by non-covalent solvophobic and coordination interactions and formed by the hierarchical self-assembly of block copolymer micelle and block comicelle precursors, can be manipulated, transformed and patterned with mediation by dynamic holographic assembly (optical tweezers). This allows the creation of new and stable soft-matter superstructures far from equilibrium. For example, individual spherical supermicelles can be optically held in close proximity and photocrosslinked through controlled coronal chemistry to generate linear oligomeric arrays. The use of optical tweezers also enables the directed deposition and immobilization of supermicelles on surfaces, allowing the precise creation of arrays of soft-matter nano-objects with potentially diverse functionality and a range of applications.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,826
Score d'incertitude au seuil0,196

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 Opus0,051
Tête enseignante GPT0,336
Écart entre enseignants0,285 · 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

Citations46
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetPickering emulsions and particle stabilizationTravaux en français237 207