MétaCan
Menu
← Retour à la cohorte
Enregistrement W4285397422 · doi:10.1149/ma2022-0113901mtgabs

(Invited) Energy Transfer in Stimuli-Responsive Multiblock Nanofibers from Organic Electronic Materials

2022· article· en· W4285397422 sur OpenAlexaff
Zachary M. Hudson

Notice bibliographique

RevueECS Meeting Abstracts · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNanotechnologyNanomaterialsNanofiberMaterials sciencePolymerNanostructureCopolymerSoft matterFörster resonance energy transferElectron transferOrganic electronicsSoft materialsEnergy transferCovalent bondNanoscopic scaleElectronicsFluorescenceChemistryChemical physicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Techniques for the assembly of hierarchical nanostructures from soft matter have opened the door to many new applications of nanotechnology. Despite these achievements, nanoscale syntheses that rely on self-assembly can be highly dependent on conditions such as solvent and temperature if the integrity of the nanomaterial is to be maintained. Bottlebrush copolymers provide a compelling bottom-up approach to the synthesis of hierarchical nanostructures from soft material, allowing for the preparation of multicompartment structures that remain nanosegregated by virtue of their covalent chemistry. Here we describe methods for the preparation of fiber-like nanomaterials that mimic the multilayer structure of organic electronic devices on individual polymer chains. Narrowly dispersed fibers are prepared from materials commonly used as the hole transport, electron transport, and host materials in organic electronics, with molecular weights on the order of 106 Da. Energy transfer interactions can be regulated by the reversible expansion and collapse of polymer chains, creating dramatic fluorescence changes or activating thermaly activated delayed fluorescence (TADF).

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,008

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 Opus0,009
Tête enseignante GPT0,203
Écart entre enseignants0,194 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting Abstracts→Même sujetAdvanced Sensor and Energy Harvesting Materials→Travaux en français237 207→