Detecting, Visualizing, and Measuring Gold Nanoparticle Chirality Using Helical Pitch Measurements in Nematic Liquid Crystal Phases
Notice bibliographique
Résumé
Chirality at the nanoscale, or more precisely, the chirality or chiroptical effects of chiral ligand-capped metal nanoparticles (NPs) is an intriguing and rapidly evolving field in nanomaterial research with promising applications in catalysis, metamaterials, and chiral sensing. The aim of this work was to seek out a system that not only allows the detection and understanding of NP chirality but also permits visualization of the extent of chirality transfer to a surrounding medium. The nematic liquid crystal phase is an ideal candidate, displaying characteristic defect texture changes upon doping with chiral additives. To test this, we synthesized chiral cholesterol-capped gold NPs and prepared well-dispersed mixtures in two nematic liquid crystal hosts. Induced circular dichroism spectropolarimetry and polarized light optical microscopy revealed that all three gold NPs induce chiral nematic phases, and that those synthesized in the presence of a chiral bias (disulfide) are more powerful chiral inducers than those where the NP was formed in the absence of a chiral bias (prepared by conjugation of a chiral silane to preformed NPs). Helical pitch data here visually show a clear dependence on the NP size and the number of chiral ligands bound to the NP surface, thereby supporting earlier experimental and theoretical data that smaller metal NPs made in the presence of a chiral bias are stronger chiral inducers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».