Viral‐based nanomaterials for plasmonic and photonic materials and devices
Notice bibliographique
Résumé
Over the last decade, viruses have established themselves as a powerful tool in nanotechnology. Their proteinaceous capsids benefit from biocompatibility, chemical addressability, and a variety of sizes and geometries, while their ability to encapsulate, scaffold, and self-assemble enables their use for a wide array of purposes. Moreover, the scaling up of viral-based nanotechnologies is facilitated by high capsid production yield and speed, which is particularly advantageous when compared with slower and costlier lithographic techniques. These features enable the bottom-up fabrication of photonic and plasmonic materials, which relies on the precise arrangement of photoactive material at the nanoscale to control phenomena such as electromagnetic wave propagation and energy transfer. The interdisciplinary approach required for the fabrication of such materials combines techniques from the life sciences and device engineering, thus promoting innovative research. Materials with applications spanning the fields of sensing (biological, chemical, and physical sensors), nanomedicine (cellular imaging, drug delivery, phototherapy), energy transfer and conversion (solar cells, light harvesting, photocatalysis), metamaterials (negative refraction, artificial magnetism, near-field amplification), and nanoparticle synthesis are considered with exclusive emphasis on viral capsids and protein cages. This article is categorized under: Biology-Inspired Nanomaterials > Protein and Virus-Based Structures.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».