MétaCan
Menu
Retour à la cohorte
Enregistrement W4384664729 · doi:10.1039/d3cs00387f

Design, characterization and applications of nanocolloidal hydrogels

2023· review· en· W4384664729 sur OpenAlexafffund
Sofia M. Morozova, Albert Gevorkian, Eugenia Kumacheva

Notice bibliographique

RevueChemical Society Reviews · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHydrogels: synthesis, properties, applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaRussian Science Foundation
Mots-clésCharacterization (materials science)Self-healing hydrogelsBlock (permutation group theory)NanotechnologySoft matterNanoparticleClass (philosophy)Materials scienceChemistryComputer scienceColloidPolymer chemistryArtificial intelligenceMathematicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Nanocolloidal gels (NCGs) are an emerging class of soft matter, in which nanoparticles act as building blocks of the colloidal network. Chemical or physical crosslinking enables NCG synthesis and assembly from a broad range of nanoparticles, polymers, and low-molecular weight molecules. The synergistic properties of NCGs are governed by nanoparticle composition, dimensions and shape, the mechanism of nanoparticle bonding, and the NCG architecture, as well as the nature of molecular crosslinkers. Nanocolloidal gels find applications in soft robotics, bioengineering, optically active coatings and sensors, optoelectronic devices, and absorbents. This review summarizes currently scattered aspects of NCG formation, properties, characterization, and applications. We describe the diversity of NCG building blocks, discuss the mechanisms of NCG formation, review characterization techniques, outline NCG fabrication and processing methods, and highlight most common NCG applications. The review is concluded with the discussion of perspectives in the design and development of NCGs.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,974
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,060
Tête enseignante GPT0,309
Écart entre enseignants0,249 · 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'étudeSans objet
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

Citations60
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemical Society ReviewsMême sujetHydrogels: synthesis, properties, applicationsTravaux en français237 207