MétaCan
Menu
Retour à la cohorte
Enregistrement W3153526711 · doi:10.1126/sciadv.abe3801

Self-organization of nanoparticles and molecules in periodic Liesegang-type structures

2021· article· en· W3153526711 sur OpenAlexafffund
Amanda J. Ackroyd, Gábor Holló, Haridas Mundoor, Honghu Zhang, Oleg Gang, Ivan I. Smalyukh, István Lagzi, Eugenia Kumacheva

Notice bibliographique

RevueScience Advances · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueTheoretical and Computational Physics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNemzeti Kutatási Fejlesztési és Innovációs HivatalNatural Sciences and Engineering Research Council of CanadaU.S. Department of DefenseNational Science Foundation
Mots-clésNanoparticleType (biology)NanotechnologyMoleculeBiophysicsMaterials scienceChemistryBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Chemical organization in reaction-diffusion systems offers a strategy for the generation of materials with ordered morphologies and structural hierarchy. Periodic structures are formed by either molecules or nanoparticles. On the premise of new directing factors and materials, an emerging frontier is the design of systems in which the precipitation partners are nanoparticles and molecules. We show that solvent evaporation from a suspension of cellulose nanocrystals (CNCs) and l-(+)-tartaric acid [l-(+)-TA] causes phase separation and precipitation, which, being coupled with a reaction/diffusion, results in rhythmic alternation of CNC-rich and l-(+)-TA-rich rings. The CNC-rich regions have a cholesteric structure, while the l-(+)-TA-rich bands are formed by radially aligned elongated bundles. The moving edge of the pattern propagates with a finite constant velocity, which enables control of periodicity by varying film preparation conditions. This work expands knowledge about self-organizing reaction-diffusion systems and offers a strategy for the design of self-organizing 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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
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 recherche0,0000,000
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 Opus0,003
Tête enseignante GPT0,229
Écart entre enseignants0,226 · 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'étudeSimulation ou modélisation
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

Citations24
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetTheoretical and Computational PhysicsTravaux en français237 207