MétaCan
Menu
Retour à la cohorte
Enregistrement W3156398594 · doi:10.1039/d1nr01677f

Tuning the photonic properties of graphene oxide suspensions with nanostructured additives

2021· article· en· W3156398594 sur OpenAlexafffund
Yi-Tao Xu, Urmi Vijay Mody, Mark J. MacLachlan

Notice bibliographique

RevueNanoscale · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiquePhotonic Crystals and Applications
Établissements canadiensVancouver Biotech (Canada)University of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGrapheneOxideMaterials scienceColloidNanocrystalNanotechnologyCelluloseChemical engineeringPhotonicsOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Photonic materials that can selectively reflect light across the visible spectrum are valuable for applications in optical devices, sensors, and decoration. Although two-dimensional (2D) colloids that stack into layers with spacing of hundreds of nanometers are able to selectively diffract light, controlling their separation in solution has proven challenging. In this work, we investigate the role of additives to control the photonic properties of hybrid colloidal suspensions of graphene oxide (GO). We discovered that low concentrations of colloidal additives like cellulose nanocrystals (CNCs) and clay nanoparticles (hectorite) added to GO suspensions lead to dramatic color changes. These hybrid colloidal suspensions demonstrate tunable structural colors and temperature-sensitive properties that likely originate from the entropically driven ejection of guests between the sheets, and from the interactions between colloidal electrical double layers and additional counterions. On the other hand, blending polymeric or molecular additives with GO suspensions either deteriorates or does not impact the photonic properties. These results are helpful to understand the interaction between GO suspensions and additives over different length scales, and open a path to advancing photonic materials based on hybrid colloidal suspensions.

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 enseignants0,010
Score d'incertitude au seuil0,437

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 Opus0,011
Tête enseignante GPT0,216
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

Citations12
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetPhotonic Crystals and ApplicationsTravaux en français237 207