MétaCan
Menu
Retour à la cohorte
Enregistrement W3150997174 · doi:10.20944/preprints202102.0505.v1

Adsorption of Polymer-Grafted Nanoparticles on Curved Surfaces

2021· preprint· en· W3150997174 sur OpenAlexaff
Aye Ozmaian, Rob D. Coalson, Masoumeh Ozmaian

Notice bibliographique

RevuePreprints.org · 2021
Typepreprint
Langueen
DomaineMaterials Science
ThématiquePolymer Surface Interaction Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesDivision of ChemistryDepartment of Mechanical Engineering, University of Texas at AustinUniversity of Texas at AustinNational Science Foundation
Mots-clésCurvatureMaterials scienceAdhesionNanoparticlePolymerSurface (topology)AdsorptionMolecular dynamicsFlat surfaceAdhesiveNanotechnologyComposite materialGeometryChemistryComputational chemistryLayer (electronics)Physical chemistry

Résumé

récupéré en direct d'OpenAlex

Nanometer-curved surfaces are abundant in biological systems as well as in nano-sized technologies. Properly functionalized polymer-grafted nanoparticles (PGNs) adhere to surfaces with different geometries and curvatures. This work explores some of the energetic and mechanical characteristics of the adhesion of PGNs to surfaces with positive, negative and zero curvatures using Coarse-Grained Molecular Dynamics (CGMD) simulations. Our calculated free energies of binding of the PGN to the curved and flat surfaces as a function of separation distance show that curvature of the surfaces critically impacts the adhesion strength. We find that the flat surface is the most adhesive, and the concave surface is the least adhesive surface. This somewhat counterintuitive finding suggests that while a bare nanoparticle is more likely to adhere to a positively curved surface than a flat surface, grafting polymer chains to the nanoparticle surface inverts this behavior. Moreover, we studied the rheological behavior of PGN upon separation from the flat and curved surfaces under external pulling force. The results presented herein can be exploited in drug delivery and self-assembly applications.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,029
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,130
Tête enseignante GPT0,357
Écart entre enseignants0,227 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetPolymer Surface Interaction StudiesTravaux en français237 207