MétaCan
Menu
Retour à la cohorte
Enregistrement W4224112431 · doi:10.1021/acsami.2c03241

Manipulation of Liquid Crystalline Properties by Dynamic Covalent Chemistry─En Route to Adaptive Materials

2022· article· en· W4224112431 sur OpenAlexafffund
Meik Blanke, Leona Postulka, Isabelle Ciara, Francesco D’Acierno, Marcus Hildebrandt, Jochen S. Gutmann, Ronald Y. Dong, Carl A. Michal, Michael Giese

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2022
Typearticle
Langueen
DomaineChemistry
ThématiqueSupramolecular Chemistry and Complexes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaProfessor Werdelmann-Stiftung
Mots-clésMaterials scienceDynamic covalent chemistryCovalent bondNanotechnologyLiquid crystallinePolymer scienceChemical engineeringOrganic chemistryLiquid crystalSupramolecular chemistryMoleculeChemistryOptoelectronicsEngineering

Résumé

récupéré en direct d'OpenAlex

Dynamic covalent bonds bear great potential for the development of adaptive and self-healing materials. Herein, we introduce a versatile concept not only for the design of low-molecular-weight liquid crystals but also for their in situ postsynthetic modification by using the dynamic covalent nature of imine bonds. The methodology allows systematic investigations of structure–property relationships as well as the manipulation of the materials’ behavior (liquid crystallinity) and the introduction of additional properties (here, fluorescence) by a solvent-free method. For the first time, the transamination reaction is followed by variable-temperature 19F solid-state NMR in the mesophase, providing insights into the reaction dynamics in a liquid crystalline material. Finally, the application potential for the design of liquid crystalline materials with adaptive properties is demonstrated by a sequential combination of these reactions.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,009
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,013
Tête enseignante GPT0,220
Écart entre enseignants0,206 · 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.

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

Citations18
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Materials & InterfacesMême sujetSupramolecular Chemistry and ComplexesTravaux en français237 207