MétaCan
Menu
Retour à la cohorte
Enregistrement W4387218699 · doi:10.1038/s41467-023-41874-7

Programmable nanocomposites of cellulose nanocrystals and zwitterionic hydrogels for soft robotics

2023· article· en· W4387218699 sur OpenAlexafffund
Rasool Nasseri, Negin Bouzari, Junting Huang, H. Golzar, Sarah Jankhani, Xiaowu Tang, Tizazu H. Mekonnen, Amirreza Aghakhani, Hamed Shahsavan

Notice bibliographique

RevueNature Communications · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials and Mechanics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésSelf-healing hydrogelsMaterials scienceNanocompositeSoft roboticsCelluloseNanotechnologyNanocrystalAnisotropySoft materialsBiocompatible materialNanocelluloseBiocompatibilityChemical engineeringActuatorComputer sciencePolymer chemistryBiomedical engineeringArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

Stimuli-responsive hydrogels have garnered significant attention as a versatile class of soft actuators. Introducing anisotropic properties, and shape-change programmability to responsive hydrogels promises a host of opportunities in the development of soft robots. Herein we report the synthesis of pH-responsive hydrogel nanocomposites with predetermined microstructural anisotropy, shape-transformation, and self-healing. Our hydrogel nanocomposites are largely composed of zwitterionic monomers and asymmetric cellulose nanocrystals. While the zwitterionic nature of the network imparts both self-healing and cytocompatibility to our hydrogel nanocomposites, the shear-induced alignment of cellulose nanocrystals renders their anisotropic swelling and mechanical properties. Thanks to the self-healing properties, we utilized a cut-and-paste approach to program reversible, and complex deformation into our hydrogels. As a proof-of-concept, we demonstrated the transport of light cargo using tethered and untethered soft robots made from our hydrogels. We believe the proposed material system introduce a powerful toolbox for the development of future generations of biomedical soft robots.

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 Opus0,016
Tête enseignante GPT0,266
Écart entre enseignants0,251 · 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

Citations139
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetAdvanced Materials and MechanicsTravaux en français237 207