MétaCan
Menu
Retour à la cohorte
Enregistrement W4310598234 · doi:10.1002/cplu.202200362

A Tool, an App and a Field: Fluorescent PET Sensors, Blood Electrolyte Analysis and Molecular Logic as Products of Supramolecular Photoscience from Northern Ireland and Sri Lanka

2022· review· en· W4310598234 sur OpenAlexfundno aff
Chaoyi Yao, Prasanna N. de Silva

Notice bibliographique

RevueChemPlusChem · 2022
Typereview
Langueen
DomaineChemistry
ThématiqueMolecular Sensors and Ion Detection
Établissements canadiensnon disponible
Organismes subventionnairesEuropean CommissionQueen's UniversityJapan Society for the Promotion of ScienceQueen's University BelfastEngineering and Physical Sciences Research CouncilUniversity of ColomboChina Scholarship CouncilLeverhulme TrustProcter and Gamble
Mots-clésSupramolecular chemistryPhotoinduced electron transferRotaxaneFluorescenceChemistryMoleculeField (mathematics)Molecular machineMolecular orbitalNanotechnologyComputer scienceCombinatorial chemistryMaterials scienceElectron transferOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The general tool of fluorescent PET (photoinduced electron transfer) sensors/switches – a molecular design principle with engineering features – is outlined, with the aid of frontier orbital energy diagrams. Fluorophores such as anthracene, 1,3‐diaryl‐Δ 2 ‐pyrazolines and 4‐amino‐1,8‐naphthalimides are employed within this system, alongside receptors such as amines, carboxylates, crown ethers and amino acids. This tool appealed to a multinational corporation for building a medical analyzer for electrolytes such as Na + , K + , Ca 2+ and gases like CO 2 , which became a commercially successful application. Finally, the tool was a springboard for chemistry to cross into computer science. The field of molecular logic can elucidate how molecules inside us handle information. Molecular examples of the simplest logic gates such as YES, NOT, OR, AND are described. A case of a human‐level computation – visual edge detection – is also included.

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)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,488
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,251
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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemPlusChemMême sujetMolecular Sensors and Ion DetectionTravaux en français237 207