MétaCan
Menu
Retour à la cohorte
Enregistrement W2407253268 · doi:10.1039/c6sm00830e

A microscopic model for chemically-powered Janus motors

2016· article· en· W2407253268 sur OpenAlexaff
Mu‐Jie Huang, Jeremy Schofield, Raymond Kapral

Notice bibliographique

RevueSoft Matter · 2016
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésJanusMechanism (biology)Scale (ratio)NanotechnologyComputer scienceMaterials sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Very small synthetic motors that make use of chemical reactions to propel themselves in solution hold promise for new applications in the development of new materials, science and medicine. The prospect of such potential applications, along with the fact that systems with many motors or active elements display interesting cooperative phenomena of fundamental interest, has made the study of synthetic motors an active research area. Janus motors, comprising catalytic and noncatalytic hemispheres, figure prominently in experimental and theoretical studies of these systems. While continuum models of Janus motor systems are often used to describe motor dynamics, microscopic models that are able to account for intermolecular interactions, many-body concentration gradients, fluid flows and thermal fluctuations provide a way to explore the dynamical behavior of these complex out-of-equilibrium systems that does not rely on approximations that are often made in continuum theories. The analysis of microscopic models from first principles provides a foundation from which the range of validity and limitations of approximate theories of the dynamics may be assessed. In this paper, a microscopic model for the diffusiophoretic propulsion of Janus motors, where motor interactions with the environment occur only through hard collisions, is constructed, analyzed and compared to theoretical predictions. Microscopic simulations of both single-motor and many-motor systems are carried out to illustrate the results.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,234
Écart entre enseignants0,225 · 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'étudeSimulation ou modélisation
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

Citations33
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetMicro and Nano RoboticsTravaux en français237 207