MétaCan
Menu
Retour à la cohorte
Enregistrement W2990351148 · doi:10.1039/c9sm01801h

Diffusiophoresis of active colloids in viscoelastic media

2019· article· en· W2990351148 sur OpenAlexafffund
Shabab Saad, Giovanniantonio Natale

Notice bibliographique

RevueSoft Matter · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensCalgary Laboratory ServicesUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésJanusColloidViscoelasticityHydrogen peroxideMicrosphereChemistryJanus particlesNanotechnologyChemical engineeringMaterials scienceComposite materialOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Self-diffusiophoresis of synthetic Janus (Si/Pt) microspheres in the presence of hydrogen peroxide in complex environments is here investigated. We aim to address the single particle dynamics of these active colloids in different viscoelastic fluids. Experimentally, the Janus colloids were dispersed in a dilute polyvinylpyrrolidone (PVP) solution and in a polyacrylamide (PAM) solution in semi-dilute and semi-dilute entangled regime to analyze their Brownian and active motion. These two systems were chosen to probe different relaxation times from relatively short (∼5 ms) for PVP to large (∼14.5 s) for PAM but always smaller than the rotary Brownian motion time scale. Within this regime, we investigate the coupling between the self-propulsion velocity and the medium rheology. Janus particles are found to get physically confined by polymeric entanglements but surprisingly they are able to escape the physical cage in a time scale much shorter than the relaxation time of the polymer solution. This is particularly relevant for application of self-propelling particles in biomedicine, water and soil remediation where complex environments are naturally present.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,000
Score d'incertitude au seuil0,001

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)0,0000,000

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 Opus0,003
Tête enseignante GPT0,194
Écart entre enseignants0,192 · 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'étudeSimulation ou modélisation
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

Citations40
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetMicro and Nano RoboticsTravaux en français237 207