MétaCan
Menu
Retour à la cohorte
Enregistrement W2968721336 · doi:10.1002/chem.201903066

Emergent Self‐Assembly Pathways to Multidimensional Hierarchical Assemblies using a Hetero‐Seeding Approach

2019· article· en· W2968721336 sur OpenAlexaff
Yin Liu, Yanjun Gong, Yongxian Guo, Wei Xiong, Yifan Zhang, Jincai Zhao, Yanke Che, Ian Manners

Notice bibliographique

RevueChemistry - A European Journal · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupramolecular Self-Assembly in Materials
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSelf-assemblyNanotechnologyHierarchical organizationNanostructureMaterials scienceBlock (permutation group theory)MoleculeChemistryMathematics

Résumé

récupéré en direct d'OpenAlex

The controlled formation of complex and functional 1-, 2-, and 3D hierarchical assemblies from molecular building blocks represents a key current challenge. Herein, we report the use of a seeded growth approach for a series of perylenediimide-based molecules (PDIs 1-4) to access otherwise inaccessible self-assembly pathways that yield complex hierarchical structures. The key to the new approach is to use hetero-seeds which possess a different composition and morphology from that of the molecular building block. For example, a nanotube seed (from PDI 3) and a microribbon seed (from PDI 4) were found to initiate different self-assembly pathways for PDI 1, which normally assembles to yield nanocoils. This led to the formation of unprecedented 3D scroll-like and scarf-like hierarchical nanostructures, respectively. Also, the hetero-seeds from PDI 3 initiate hidden self-assembly pathways of PDI 2 to generate 1D tubular heterojunctions. Significantly, this new strategy offers new opportunities to create emergent and functional hierarchical and complex structures from small molecule precursors.

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)0,003
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 enseignants0,083
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,028
Tête enseignante GPT0,250
Écart entre enseignants0,222 · 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

Citations36
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemistry - A European JournalMême sujetSupramolecular Self-Assembly in MaterialsTravaux en français237 207