Diffusiophoretic design of self-spinning microgears from colloidal microswimmers
Notice bibliographique
Résumé
The development of strategies to assemble microscopic machines from dissipative building blocks are essential on the route to novel active materials. We recently demonstrated the hierarchical self-assembly of phoretic microswimmers into self-spinning microgears and their synchronization by diffusiophoretic interactions [Aubret et al., Nat. Phys., 2018]. In this paper, we adopt a pedagogical approach and expose our strategy to control self-assembly and build machines using phoretic phenomena. We notably introduce Highly Inclined Laminated Optical sheets microscopy (HILO) to image and characterize anisotropic and dynamic diffusiophoretic interactions, which cannot be performed by conventional fluorescence microscopy. The dynamics of a (haematite) photocatalytic material immersed in (hydrogen peroxide) fuel under various illumination patterns is first described and quantitatively rationalized by a model of diffusiophoresis, the migration of a colloidal particle in a concentration gradient. It is further exploited to design phototactic microswimmers that direct towards the high intensity of light, as a result of the reorientation of the haematite in a light gradient. We finally show the assembly of self-spinning microgears from colloidal microswimmers and carefully characterize the interactions using HILO techniques. The results are compared with analytical and numerical predictions and agree quantitatively, stressing the important role played by concentration gradients induced by chemical activity to control and design interactions. Because the approach described hereby is generic, this works paves the way for the rational design of machines by controlling phoretic phenomena.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».