MétaCan
Menu
Retour à la cohorte
Enregistrement W2770050430 · doi:10.1002/marc.201700554

Self‐Assembly and Surface Patterning of Polyferrocenylsilane‐Functionalized Gold Nanoparticles

2017· article· en· W2770050430 sur OpenAlexafffund
Rachelle M. Choueiri, Anna Klinkova, Samuel Pearce, Ian Manners, Eugenia Kumacheva

Notice bibliographique

RevueMacromolecular Rapid Communications · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiquePickering emulsions and particle stabilization
Établissements canadiensUniversity of Toronto
Organismes subventionnairesEngineering and Physical Sciences Research CouncilNatural Sciences and Engineering Research Council of Canada
Mots-clésPolymerSelf-assemblyNanotechnologyMaterials scienceNanoparticleNanostructureColloidal goldSurface modificationSolventElectrochemistryChemical engineeringChemistryElectrodeOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Chemical and topographic surface patterning of inorganic polymer-functionalized nanoparticles (NPs) and their self-assembly in nanostructures with controllable architectures enable the design of new NP-based materials. Capping of NPs with inorganic polymer ligands, such as metallopolymers, can lead to new synergetic properties of individual NPs or their assemblies, and enhance NP processing in functional materials. Here, for gold NPs functionalized with polyferrocenylsilane, two distinct triggers are used to induce attraction between the polymer ligands and achieve NP self-assembly or topographic surface patterning of individual polymer-capped NPs. Control of polymer-solvent interactions is achieved by either changing the solvent composition or by the electrooxidation of polyferrocenylsilane ligands. These results expand the range of polymer ligands used for NP assembly and patterning, and can be used to explore new self-assembly modalities. The utilization of electrochemical polymer oxidation stimuli at easily accessible potentials broadens the range of stimuli leading to NP self-assembly and patterning.

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 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 enseignants0,084
Score d'incertitude au seuil0,482

Scores Codex et Gemma par catégorie

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,030
Tête enseignante GPT0,285
Écart entre enseignants0,255 · 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.

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

Citations24
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMacromolecular Rapid CommunicationsMême sujetPickering emulsions and particle stabilizationTravaux en français237 207