MétaCan
Menu
Retour à la cohorte
Enregistrement W2992827224 · doi:10.1146/annurev-conmatphys-031119-050618

Smart Responsive Polymers: Fundamentals and Design Principles

2019· article· en· W2992827224 sur OpenAlexaff
Debashish Mukherji, Carlos M. Marques, Kurt Kremer

Notice bibliographique

RevueAnnual Review of Condensed Matter Physics · 2019
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Polymer Synthesis and Characterization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesEuropean Commission
Mots-clésPolymerSmart materialSmart polymerMaterials scienceComputer scienceNanotechnologyBiochemical engineeringComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

In this review, we summarize recent theoretical and computational developments in the field of smart responsive materials, together with complementary experimental data. A material is referred to as smart responsive when a slight change in external stimulus can drastically alter its structure, function, or stability. Because of this smart responsiveness, these systems are used for the design of advanced functional materials. The most characteristic properties of smart polymers are discussed, especially polymer properties in solvent mixtures. We show how multiscale simulation approaches can shed light on the intriguing experimental observations. Special emphasis is given to two symmetric phenomena: co-non-solvency and co-solvency. The first phenomenon is associated with the collapse of polymers in two miscible good solvents, whereas the latter is associated with the swelling of polymers in poor solvent mixtures. Furthermore, we discuss when the standard Flory–Huggins-type mean-field polymer theory can (or cannot) be applied to understand these complex solution properties. We also sketch a few examples to highlight possible future directions, that is, how smart polymer properties can be used for the design principles of advanced functional materials.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,017
Tête enseignante GPT0,260
Écart entre enseignants0,243 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations106
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Condensed Matter PhysicsMême sujetAdvanced Polymer Synthesis and CharacterizationTravaux en français237 207