MétaCan
Menu
Retour à la cohorte
Enregistrement W3206342112 · doi:10.1002/smll.202103936

Chiral Nematic Coatings Based on Cellulose Nanocrystals as a Multiplexing Platform for Humidity Sensing and Dual Anticounterfeiting

2021· article· en· W3206342112 sur OpenAlexafffund
Guomin Zhao, Yanping Huang, Changtong Mei, Shengcheng Zhai, Yan Xuan, Zhipeng Liu, Mingzhu Pan, Orlando J. Rojas

Notice bibliographique

RevueSmall · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueLiquid Crystal Research Advancements
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesEuropean Research CouncilNatural Science Foundation of Jiangsu ProvinceCanada Excellence Research Chairs, Government of CanadaGovernment of Jiangsu ProvinceNanjing Forestry University
Mots-clésMaterials scienceLiquid crystalMultiplexingCelluloseTernary operationOptoelectronicsNanocrystalPolarization (electrochemistry)Relative humidityAnisotropyOpticsNanotechnologyChemical engineeringChemistryPhysicsPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The need for a precise regulation of the properties of chiral nematic structures in response to external stimuli is addressed. Self-assembled iridescent coatings are produced under the effect of electrostatic interactions between cellulose nanocrystals and poly(acrylic acid), endowing a high anisotropic dissymmetry (>0.3) and sensitivity to environmental humidity (13.1 nm/1% at 68-75% relative humidity, RH). The phenomena associated with shifts in selective light reflection (green to orange) and polarization, facilitate tunable transmitted colors (blue to orange) at given rotation angles (RA). Such properties are conveniently integrated into a "RH-RA-color" ternary code that is introduced as an anticounterfeiting technology, taking advantage of multicolor patterns that conveniently track with changes in RH and RA. The proposed charge-driven assembly opens new opportunities for chiral nematic materials that enable precise optical sensing and information encryption.

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)0,002
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 enseignants0,054
Score d'incertitude au seuil0,775

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
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 Opus0,051
Tête enseignante GPT0,308
Écart entre enseignants0,257 · 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

Citations70
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSmallMême sujetLiquid Crystal Research AdvancementsTravaux en français237 207