MétaCan
Menu
Retour à la cohorte
Enregistrement W2766641366 · doi:10.3390/polym9110436

Stimuli Responsive Polymer-Based 3D Optical Crystals for Sensing

2017· review· en· W2766641366 sur OpenAlexafffund
Qiang Zhang, Michael J. Serpe, Samuel M. Mugo

Notice bibliographique

RevuePolymers · 2017
Typereview
Langueen
DomainePhysics and Astronomy
ThématiquePhotonic Crystals and Applications
Établissements canadiensMacEwan UniversityUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta InnovatesNational Natural Science Foundation of ChinaGrand Challenges CanadaAlberta Innovates - Technology FuturesUniversity of AlbertaNational Science Foundation
Mots-clésMaterials scienceNanotechnologyColloidal crystalOptical materialsNanoparticlePolymerFocus (optics)OptoelectronicsColloidOpticsChemical engineeringEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

3D optical crystals have found their applications in sensing, actuation, optical devices, batteries, supercapacitors, etc. The 3D optical crystal devices are comprised of two main components: colloidal gels and nanoparticles. Nanoparticles self-assemble into face center cubic structures in colloidal gels. The inherent 3D optical crystal structure leads to display of structural colors on these devices following light impingement. As such, these optical properties have led to the utilization of these 3D optical crystals as self-reporting colorimetric sensors, which is the focus of this review paper. While there is extensive work done so far on these materials to exhaustively be covered in this review, we focus here in on: mechanism of color display, materials and preparation of 3D optical crystals, introduction of recent sensing examples, and combination of 3D optical crystals with molecular imprinting technology. The aim of this review is to familiarize the reader with recent developments in the area and to encourage further research in this field to overcome some of its challenges as well as to inspire creative innovations of these materials.

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)
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 enseignants0,995
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,107
Tête enseignante GPT0,405
Écart entre enseignants0,297 · 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

Citations11
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetPhotonic Crystals and ApplicationsTravaux en français237 207