MétaCan
Menu
Retour à la cohorte
Enregistrement W3181878054 · doi:10.1038/s41598-022-10082-6

Theoretical modeling of dendrite growth from conductive wire electro-polymerization

2022· article· en· W3181878054 sur OpenAlexaff
Ankush Kumar, Kamila Janzakova, Yannick Coffinier, Sébastien Pecqueur, Fabien Alibart

Notice bibliographique

RevueScientific Reports · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Memory and Neural Computing
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesHorizon 2020 Framework ProgrammeEuropean Commission
Mots-clésMaterials scienceNeuromorphic engineeringNanotechnologyElectrical conductorChemical physicsBiological systemComputer scienceChemistryComposite materialArtificial neural network

Résumé

récupéré en direct d'OpenAlex

Electropolymerization is a bottom-up materials engineering process of micro/nano-scale that utilizes electrical signals to deposit conducting dendrites morphologies by a redox reaction in the liquid phase. It resembles synaptogenesis in the brain, in which the electrical stimulation in the brain causes the formation of synapses from the cellular neural composites. The strategy has been recently explored for neuromorphic engineering by establishing link between the electrical signals and the dendrites' shapes. Since the geometry of these structures determines their electrochemical properties, understanding the mechanisms that regulate polymer assembly under electrically programmed conditions is an important aspect. In this manuscript, we simulate this phenomenon using mesoscale simulations, taking into account the important features of spatial-temporal potential mapping based on the time-varying signal, the motion of charged particles in the liquid due to the electric field, and the attachment of particles on the electrode. The study helps in visualizing the motion of the charged particles in different electrical conditions, which is not possible to probe experimentally. Consistent with the experiments, the higher AC frequency of electrical activities favors linear wire-like growth, while lower frequency leads to more dense and fractal dendrites' growth, and voltage offset leads to asymmetrical growth. We find that dendrites' shape and growth process systematically depend on particle concentration and random scattering. We discover that the different dendrites' architectures are associated with different Laplace and diffusion fields, which govern the monomers' trajectory and subsequent dendrites' growth. Such unconventional engineering routes could have a variety of applications from neuromorphic engineering to bottom-up computing strategies.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,010
Tête enseignante GPT0,212
Écart entre enseignants0,202 · 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetAdvanced Memory and Neural ComputingTravaux en français237 207