MétaCan
Menu
Retour à la cohorte
Enregistrement W2801916378 · doi:10.1002/adom.201800163

Iridescent Chiral Nematic Mesoporous Organosilicas with Alkylene Spacers

2018· article· en· W2801916378 sur OpenAlexafffund
Andrea S. Terpstra, Loryn P. Arnett, Alan P. Manning, Carl A. Michal, Wadood Y. Hamad, Mark J. MacLachlan

Notice bibliographique

RevueAdvanced Optical Materials · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMesoporous Materials and Catalysis
Établissements canadiensFPInnovationsUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceMesoporous organosilicaLiquid crystalMesoporous materialChemical engineeringAqueous solutionOrganic chemistryMesoporous silicaCatalysis

Résumé

récupéré en direct d'OpenAlex

Abstract Mesoporous organosilica films with chiral nematic structures are prepared with a bridging urea group and with alkylene bridges, where the length of the alkylene bridge varies from C 1 –C 6 . To synthesize these materials, cellulose nanocrystals (CNCs) are used as liquid crystal templates, which coassemble with the organosilica precursor to give composite materials with a chiral nematic structure of CNCs embedded within. Removal of the CNCs by acid hydrolysis results in free‐standing, mesoporous organosilica films with long‐range chiral nematic ordering of the porous network. It is found that increasing the length of the organosilica bridging groups causes phase separation between the organosilica precursors and the aqueous CNC suspension. This problem is solved through two distinct methods: combining the long alkylene‐bridged precursors with shorter precursors or by using a mixed solvent system of water and dimethylformamide during self‐assembly. The new chiral nematic mesoporous organosilica films display photonic properties, good thermal stabilities, and interconnected pore 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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,023
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,007
Tête enseignante GPT0,234
Écart entre enseignants0,227 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations17
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Optical MaterialsMême sujetMesoporous Materials and CatalysisTravaux en français237 207