MétaCan
Menu
Retour à la cohorte
Enregistrement W4206583570 · doi:10.1021/acsnanoscienceau.1c00041

Through the Eyes of Creators: Observing Artificial Molecular Motors

2022· review· en· W4206583570 sur OpenAlexafffund
Ivan N. Unksov, Chapin S. Korosec, Pradheebha Surendiran, Damiano Verardo, Roman Lyttleton, Nancy R. Forde, Heiner Linke

Notice bibliographique

RevueACS Nanoscience Au · 2022
Typereview
Langueen
DomaineChemistry
ThématiqueSupramolecular Chemistry and Complexes
Établissements canadiensSimon Fraser University
Organismes subventionnairesH2020 Future and Emerging TechnologiesNanoLund, Lunds UniversitetNatural Sciences and Engineering Research Council of CanadaVetenskapsrådetEuropean Commission
Mots-clésMolecular motorComputer sciencePerspective (graphical)Control engineeringMotion (physics)Artificial intelligenceNanotechnologyEngineeringMaterials science

Résumé

récupéré en direct d'OpenAlex

Inspired by molecular motors in biology, there has been significant progress in building artificial molecular motors, using a number of quite distinct approaches. As the constructs become more sophisticated, there is also an increasing need to directly observe the motion of artificial motors at the nanoscale and to characterize their performance. Here, we review the most used methods that tackle those tasks. We aim to help experimentalists with an overview of the available tools used for different types of synthetic motors and to choose the method most suited for the size of a motor and the desired measurements, such as the generated force or distances in the moving system. Furthermore, for many envisioned applications of synthetic motors, it will be a requirement to guide and control directed motions. We therefore also provide a perspective on how motors can be observed on structures that allow for directional guidance, such as nanowires and microchannels. Thus, this Review facilitates the future research on synthetic molecular motors, where observations at a single-motor level and a detailed characterization of motion will promote 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 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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,096
Tête enseignante GPT0,334
Écart entre enseignants0,238 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Nanoscience AuMême sujetSupramolecular Chemistry and ComplexesTravaux en français237 207