MétaCan
Menu
Retour à la cohorte
Enregistrement W3014476291 · doi:10.1002/adma.201907376

Tunable Diffraction Gratings from Biosourced Lyotropic Liquid Crystals

2020· article· en· W3014476291 sur OpenAlexafffund
Yuanyuan Cao, Pei‐Xi Wang, Francesco D’Acierno, Wadood Y. Hamad, Carl A. Michal, Mark J. MacLachlan

Notice bibliographique

RevueAdvanced Materials · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueLiquid Crystal Research Advancements
Établissements canadiensFPInnovationsUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence Fund
Mots-clésMaterials scienceLiquid crystalLyotropicDiffractionLyotropic liquid crystalDiffraction gratingOpticsCrystallographyNanotechnologyLiquid crystallineOptoelectronicsGrating

Résumé

récupéré en direct d'OpenAlex

Diffraction gratings are important for modern optical components, such as optical multiplexers and signal processors. Although liquid crystal (LC) gratings based on thermotropic LCs have been extensively explored, they often require expensive molecules and complicated manufacturing processes. Lyotropic LCs, which can be broadly obtained from both synthetic and natural sources, have not yet been applied in optical gratings. Herein, a facile grating fabrication method using a biosourced lyotropic LC formed by cellulose nanocrystals (CNCs), a material extracted from plants, is reported. Hydrogel sheets with vertically aligned uniform periodic structures are obtained by fixing the highly oriented chiral nematic LC of CNCs in polymer networks under the cooperative effects of gravity on phase separation and a magnetic field on LC orientation. The hydrogel generates up to sixth-order diffraction spots and shows linear polarization selectivity, with tunable grating periodicity controlled through LC concentration regulation. This synthesis strategy can be broadly applied to various grating materials and opens up a new area of optical materials from lyotropic LCs.

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 enseignants0,001
Score d'incertitude au seuil0,003

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,022
Tête enseignante GPT0,277
Écart entre enseignants0,255 · 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

Citations66
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetLiquid Crystal Research AdvancementsTravaux en français237 207