MétaCan
Menu
Retour à la cohorte
Enregistrement W3038333716 · doi:10.1063/5.0012265

Self-propelled torus colloids

2020· article· en· W3038333716 sur OpenAlexafffund
Jiyuan Wang, Mu‐Jie Huang, Raymond Kapral

Notice bibliographique

RevueThe Journal of Chemical Physics · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTorusColloidJanusClassical mechanicsActive matterColloidal particleMaterials scienceMechanicsPhysicsChemical physicsNanotechnologyGeometryChemistryMathematicsPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Suspensions of chemically powered self-propelled colloidal particles are examples of active matter systems with interesting properties. While simple spherical Janus particles are often studied, it is known that geometry is important and recent experiments have shown that chemically active torus-shaped colloids behave differently from spherical colloids. In this paper, coarse-grained microscopic simulations of the dynamics of self-diffusiophoretic torus colloids are carried out in bulk solution in order to study how torus geometric factors influence their active motion. The concentration and velocity fields are key ingredients in self-diffusiophoretic propulsion, and the forms that these fields take in the colloid vicinity are shown to be strong functions of torus geometric parameters such as the torus hole size and thickness of the torus tube. This work utilizes a method where self-diffusiophoretic torus colloids with various geometric and dynamical characteristics can be built and studied in fluid media that include chemical reactions and fluid flows. The model can be used to investigate the collective properties of these colloids and their dynamics in confined systems, topics that are of general importance for applications that use colloidal motors with complex geometries.

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 enseignants0,024
Score d'incertitude au seuil0,260

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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,217
Écart entre enseignants0,205 · 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

Citations3
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Chemical PhysicsMême sujetMicro and Nano RoboticsTravaux en français237 207