MétaCan
Menu
Retour à la cohorte
Enregistrement W4385567357 · doi:10.1002/admi.202300453

A Simple and Fast Compression‐Based Method to Fabricate Responsive Gold‐pNIPAM Hybrid Materials: From Thin Films to Anisotropic Microgels

2023· article· en· W4385567357 sur OpenAlexafffund
Adolfo Sepúlveda, Déborah Feller, Matthias Karg, Denis Boudreau

Notice bibliographique

RevueAdvanced Materials Interfaces · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials and Mechanics
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaDeutsche Forschungsgemeinschaft
Mots-clésMaterials scienceFabricationAnisotropyNanotechnologyComposite materialBendingNanoscopic scaleOptics

Résumé

récupéré en direct d'OpenAlex

Abstract In recent years, hydrogel‐based soft materials with hybrid properties have found widespread use in various technological fields, including tissue engineering, soft actuators, and flexible electronics. The proper implementation of these smart multifunctional materials into real‐world applications requires the development of simple, cost‐effective, and large‐scale fabrication methods. Herein, a simple compression‐ and colloid‐based method is presented to fabricate responsive Au‐poly( N ‐isopropylacrylamide) (pNIPAM) hybrid films using photopolymerizable resin containing Au‐pNIPAM core–shell microgels as building blocks. Uniform Au‐pNIPAM hybrid films of 25 × 25 mm with adjustable thickness in the micron‐size range (2.3–1.2 µm) w ere successfully fabricated on glass substrates and flexible commercial acetate sheets. The resulting flexible Au‐pNIPAM films exhibit robust optical and mechanical properties, even after repeated edge‐to‐edge bending cycle tests. Additionally, using patterned light to polymerize the Au‐pNIPAM films allows synthesizing of anisotropic Au‐pNIPAM microgels with high width‐to‐height aspect ratios, such as square, circular, and rectangular microgels, adding a new dimension to the proposed fabrication method.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
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
Bibliométrie0,0000,000
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)0,0010,001

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 Opus0,015
Tête enseignante GPT0,286
Écart entre enseignants0,271 · 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
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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Materials InterfacesMême sujetAdvanced Materials and MechanicsTravaux en français237 207