MétaCan
Menu
Retour à la cohorte
Enregistrement W2950957248 · doi:10.1021/acsami.9b07522

Design Molecular Topology for Wet–Dry Adhesion

2019· article· en· W2950957248 sur OpenAlexafffund
Jiawei Yang, Ruobing Bai, Jianyu Li, Canhui Yang, Xi Yao, Qihan Liu, Joost J. Vlassak, David Mooney, Zhigang Suo

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensMcGill University
Organismes subventionnairesDivision of Materials ResearchNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceAdhesionTopology (electrical circuits)NanotechnologyPolymer scienceComposite materialChemical engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Recent innovations highlight the integration of diverse materials with synthetic and biological hydrogels. Examples include brain-machine interfaces, tissue regeneration, and soft ionic devices. Existing methods of strong adhesion mostly focus on the chemistry of bonds and the mechanics of dissipation but largely overlook the molecular topology of connection. Here, we highlight the significance of molecular topology by designing a specific bond-stitch topology. The bond-stitch topology achieves strong adhesion between preformed hydrogels and various materials, where the hydrogels have no functional groups for chemical coupling, and the adhered materials have functional groups on the surface. The adhesion principle requires a species of polymer chains to form a bond with a material through complementary functional groups and form a network in situ that stitches with the polymer network of a hydrogel. We study the physics and chemistry of this topology and describe its potential applications in medicine and engineering.

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 enseignants0,004
Score d'incertitude au seuil0,015

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,260
Écart entre enseignants0,237 · 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

Citations98
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Materials & InterfacesMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207