MétaCan
Menu
Retour à la cohorte
Enregistrement W4291787999 · doi:10.1039/d2sm00826b

Plasticized liquid crystal networks and chemical motors for the active control of power transmission in mechanical devices

2022· article· en· W4291787999 sur OpenAlexafffund
Natalie P. Pinchin, Chia-Heng Lin, Cecelia Kinane, Naoki Yamada, Abdon Pena‐Francesch, Hamed Shahsavan

Notice bibliographique

RevueSoft Matter · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAmerican Chemical Society Petroleum Research Fund
Mots-clésMechanical transmissionTransmission (telecommunications)Power (physics)Materials sciencePower transmissionControl (management)Liquid crystalElectrical engineeringNanotechnologyOptoelectronicsMechanical engineeringEngineeringComputer scienceMechanical systemPhysics

Résumé

récupéré en direct d'OpenAlex

The miniaturization of mechanical devices poses new challenges in powering, actuation, and control since traditional approaches cannot be used due to inherent size limitations. This is particularly challenging in untethered small-scale machines where independent actuation of multicomponent and multifunctional complex systems is required. This work showcases the integration of self-powered chemical motors and liquid crystal networks into a powertrain transmission device to achieve orthogonal untethered actuation for power and control. Driving gears with a protein-based chemical motor were used to power the transmission system with Marangoni propulsive forces, while photothermal liquid crystal networks were used as a photoresponsive clutch to engage/disengage the gear system. Liquid crystal networks were plasticized for optimized photothermal bending actuation to break the surface tension of water and achieve reversible immersion/resurfacing at the air-water interface. This concept is demonstrated in a milliscale transmission gear system and offers potential solutions for aquatic soft robots whose powering and control mechanisms must be necessarily decoupled.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,574
Score d'incertitude au seuil0,751

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,207
Écart entre enseignants0,203 · 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

Citations12
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetMicro and Nano RoboticsTravaux en français237 207