MétaCan
Menu
Retour à la cohorte
Enregistrement W2917710173 · doi:10.1021/acsnano.9b00342

Manipulation and Deposition of Complex, Functional Block Copolymer Nanostructures Using Optical Tweezers

2019· article· en· W2917710173 sur OpenAlexaff
Oliver E. C. Gould, Stuart J. Box, Charlotte E. Boott, Andrew D. Ward, Mitchell A. Winnik, M. J. Miles, Ian Manners

Notice bibliographique

RevueACS Nano · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueBlock Copolymer Self-Assembly
Établissements canadiensUniversity of VictoriaUniversity of Toronto
Organismes subventionnairesH2020 European Research CouncilEngineering and Physical Sciences Research Council
Mots-clésOptical tweezersMaterials scienceCopolymerNanotechnologyHolographyNanostructureFabricationTweezersBlock (permutation group theory)Deposition (geology)MicellePhase (matter)PolymerOpticsChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Block copolymer self-assembly has enabled the creation of a range of solution-phase nanostructures with applications from optoelectronics and biomedicine to catalysis. However, to incorporate such materials into devices a method that facilitates their precise manipulation and deposition is desirable. Herein we describe how optical tweezers can be used to trap, manipulate, and pattern individual cylindrical micelles and larger hybrid micellar materials. Through the combination of TIRF imaging and optical trapping we can precisely control the three-dimensional motion of individual cylindrical block copolymer micelles in solution, enabling the creation of customizable arrays. We also demonstrate that dynamic holographic assembly enables the creation of ordered customizable arrays of complex hybrid block copolymer structures. By creating a program which automatically identifies, traps, and then deposits multiple assemblies simultaneously we have been able to dramatically speed up this normally slow process, enabling the fabrication of arrays of hybrid structures containing hundreds of assemblies in minutes rather than hours.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,022
Tête enseignante GPT0,245
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), 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

Citations28
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetBlock Copolymer Self-AssemblyTravaux en français237 207