MétaCan
Menu
Retour à la cohorte
Enregistrement W2755286605 · doi:10.1002/marc.201700430

Taming Macromolecules with Light: Lessons Learned from Vibrational Spectroscopy

2017· review· en· W2755286605 sur OpenAlexafffund
Jaana Vapaavuori, C. Géraldine Bazuin, Christian Pellerin

Notice bibliographique

RevueMacromolecular Rapid Communications · 2017
Typereview
Langueen
DomaineMaterials Science
ThématiquePhotochromic and Fluorescence Chemistry
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAzobenzenePhotoisomerizationRaman spectroscopySpectroscopyMolecular machineContext (archaeology)NanotechnologyMaterials scienceMacromoleculeChemical physicsChemistryIsomerizationMoleculePhysicsOpticsOrganic chemistryCatalysisQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Exciting new applications, from large-area nanopatterning and templating to soft light-powered robotics, are emerging from the fundamental research on light-triggered changes in macromolecular systems upon photoisomerization of azobenzene-based molecular photoswitches. The understanding of how the initial molecular-scale photoisomerization of azobenzene, a complex photochemical event in itself, is translated into the response of macromolecules and even into macroscopic-scale motion of illuminated azomaterials is an enormous task. The focus here is on how this knowledge has advanced by applying different vibrational spectroscopy techniques that provide rich molecular insight into the photoresponse of chemically specific molecular moieties. In particular, infrared and Raman spectroscopy studies are highlighted, in the context of phototriggered perturbation of self-assembled structures and photoinduced linear and circular anisotropy, as well as photoinduced surface patterning, with the objective of offering a perspective on how vibrational spectroscopy can help in answering an array of essential yet unsettled questions.

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 candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,895
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0060,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,137
Tête enseignante GPT0,378
Écart entre enseignants0,240 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMacromolecular Rapid CommunicationsMême sujetPhotochromic and Fluorescence ChemistryTravaux en français237 207