MétaCan
Menu
Retour à la cohorte
Enregistrement W2960195575 · doi:10.1039/c9sm00756c

Microwave induced mechanical activation of hydrogel dimers

2019· article· en· W2960195575 sur OpenAlexafffund
Hamza K. Khattak, Scott Waitukaitis, Aaron D. Slepkov

Notice bibliographique

RevueSoft Matter · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHydrogels: synthesis, properties, applications
Établissements canadiensTrent University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNederlandse Organisatie voor Wetenschappelijk OnderzoekCanada Research ChairsUniversity of Ontario Institute of Technology
Mots-clésSelf-healing hydrogelsMaterials scienceChemistryChemical engineeringNanotechnologyPolymer chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

When grape-sized aqueous dimers are irradiated in a microwave oven, an intense electromagnetic hotspot forms at their point of contact, often igniting a plasma. Here we show that this irradiation can result in the injection of mechanical energy. By examining irradiated hydrogel dimers through high-speed imaging, we find that they repeatedly bounce off of each other while irradiated. We determine that an average of 1 μJ of mechanical energy is injected into the pair during each collision. Furthermore, a characteristic high-pitched audio signal is found to accompany each collision. We show that both the audio signal and the energy injection arise via an interplay between vaporization and elastic deformations in the region of contact, the so-called 'elastic Liedenfrost effect'. Our results establish a novel, non-contact method of injecting mechanical energy into soft matter systems, suggesting application in fields such as soft robotics.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 seuil0,685

Scores Codex et Gemma par catégorie

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)0,0000,001

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 Opus0,013
Tête enseignante GPT0,231
Écart entre enseignants0,218 · 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 tête enseignante, 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

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetHydrogels: synthesis, properties, applicationsTravaux en français237 207