MétaCan
Menu
Retour à la cohorte
Enregistrement W2528765353 · doi:10.1021/acsmacrolett.6b00685

Stabilizing the Frank-Kasper Phases via Binary Blends of <i>AB</i> Diblock Copolymers

2016· article· en· W2528765353 sur OpenAlexafffund
Meijiao Liu, Yicheng Qiang, Weihua Li, Feng Qiu, An‐Chang Shi

Notice bibliographique

RevueACS Macro Letters · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueBlock Copolymer Self-Assembly
Établissements canadiensMcMaster University
Organismes subventionnairesChina Postdoctoral Science FoundationNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésCopolymerPhase diagramMaterials scienceSoft matterPhase (matter)Binary numberChemical physicsThermodynamicsPolymerChemistryPhysicsPhysical chemistryColloid

Résumé

récupéré en direct d'OpenAlex

The emergence of the complex Frank-Kasper phases from binary mixtures of AB diblock copolymers is studied using the self-consistent field theory. The relative stability of different ordered phases, including the Frank-Kasper σ and A 15 phases containing nonspherical minority domains with different sizes, is examined by a comparison of their free energy. The resulting phase diagrams reveal that the σ phase occupies a large region in the phase space of the system. The formation mechanism of the σ phase is elucidated by the distribution of the two diblock copolymers with different lengths and compositions. In particular, the segregation of the two types of copolymers, occurring among different domains and within each domain, provides a mechanism to regulate the size and shape of the minority domains, thus enhancing the stability of the Frank-Kasper phases. These findings provide insight into understanding the formation of the Frank-Kasper phases in soft matter systems and a simple route to obtain complex ordered phases using block copolymer blends.

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 seuil0,002

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 Opus0,008
Tête enseignante GPT0,225
Écart entre enseignants0,216 · 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

Citations174
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Macro LettersMême sujetBlock Copolymer Self-AssemblyTravaux en français237 207