MétaCan
Menu
Retour à la cohorte
Enregistrement W4324017442 · doi:10.1021/acsnano.2c12811

Steering Micromotors via Reprogrammable Optoelectronic Paths

2023· article· en· W4324017442 sur OpenAlexafffund
Xi Chen, Xiaowen Chen, Mohamed Y. El‐Sayed, Harrison Edwards, Jiayu Liu, Yixin Peng, Han Zhang, Shuailong Zhang, Wei Wang, Aaron R. Wheeler

Notice bibliographique

RevueACS Nano · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesChina Scholarship CouncilNatural Sciences and Engineering Research Council of CanadaScience, Technology and Innovation Commission of Shenzhen MunicipalityNational Natural Science Foundation of ChinaCanada Research Chairs
Mots-clésDielectrophoresisMaterials scienceNanotechnologyOptoelectronicsElectrical conductorComputer science

Résumé

récupéré en direct d'OpenAlex

Steering micromotors is important for using them in practical applications and as model systems for active matter. This functionality often requires magnetic materials in the micromotor, taxis behavior of the micromotor, or the use of specifically designed physical boundaries. Here, we develop an optoelectronic strategy that steers micromotors with programmable light patterns. In this strategy, light illumination turns hydrogenated amorphous silicon conductive, generating local electric field maxima at the edge of the light pattern that attracts micromotors via positive dielectrophoresis. As an example, metallo-dielectric Janus microspheres that self-propelled under alternating current electric fields were steered by static light patterns along customized paths and through complex microstructures. Their long-term directionality was also rectified by ratchet-shaped light patterns. Furthermore, dynamic light patterns that varied in space and time enabled more advanced motion controls such as multiple motion modes, parallel control of multiple micromotors, and the collection and transport of motor swarms. This optoelectronic steering strategy is highly versatile and compatible with a variety of micromotors, and thus it possesses the potential for their programmable control in complex environments.

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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,008
Tête enseignante GPT0,230
Écart entre enseignants0,222 · 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

Citations31
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetMicro and Nano RoboticsTravaux en français237 207