MétaCan
Menu
Retour à la cohorte
Enregistrement W3123488285 · doi:10.3390/polym13030373

Nucleation Points: The Forgotten Parameter in the Synthesis of Hydrogel-Coated Gold Nanoparticles

2021· article· en· W3123488285 sur OpenAlexafffund
Adolfo Sepúlveda, Audrey Picard‐Lafond, André Marette, Denis Boudreau

Notice bibliographique

RevuePolymers · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensInstitut universitaire de cardiologie et de pneumologie de QuébecUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds de recherche du Québec – Nature et technologiesCanadian Institutes of Health ResearchCanada First Research Excellence FundPfizer
Mots-clésMaterials scienceNucleationNanotechnologyEncapsulation (networking)NanomaterialsNanoparticleParticle sizeFabricationColloidal goldShrinkagePolymerizationChemical engineeringPolymerComputer scienceComposite materialChemistry

Résumé

récupéré en direct d'OpenAlex

The implementation of gold-hydrogel core-shell nanomaterials in novel light-driven technologies requires the development of well-controlled and scalable synthesis protocols with precisely tunable properties. Herein, new insights are presented concerning the importance of using the concentration of gold cores as a control parameter in the seeded precipitation polymerization process to modulate-regardless of core size-relevant fabrication parameters such as encapsulation yield, particle size and shrinkage capacity. Controlling the number of nucleation points results in the facile tuning of the encapsulation process, with yields reaching 99% of gold cores even when using different core sizes at a given particle concentration. This demonstration is extended to the encapsulation of bimodal gold core mixtures with equally precise control on the encapsulation yield, suggesting that this principle could be extended to encapsulating cores composed of other materials. These findings could have a significant impact on the development of stimuli-responsive smart 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 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 enseignants0,020
Score d'incertitude au seuil0,200

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 Opus0,013
Tête enseignante GPT0,214
Écart entre enseignants0,201 · 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

Citations7
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207