MétaCan
Menu
Retour à la cohorte
Enregistrement W4400957483 · doi:10.1002/smtd.202400812

Hybrid Zwitterionic Hydrogels with Encoded Differential Swelling and Programmed Deformation for Small‐Scale Robotics

2024· article· en· W4400957483 sur OpenAlexafffund
Negin Bouzari, Rasool Nasseri, Junting Huang, Sayan Ganguly, Xiaowu Tang, Tizazu H. Mekonnen, Amirreza Aghakhani, Hamed Shahsavan

Notice bibliographique

RevueSmall Methods · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials and Mechanics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSelf-healing hydrogelsSoft roboticsMorphingSwellingMaterials scienceRobotSoft materialsComputer scienceNanotechnologyAcrylateBiomedical engineeringArtificial intelligenceComposite materialEngineeringPolymer chemistryPolymerCopolymer

Résumé

récupéré en direct d'OpenAlex

Stimuli-responsive shape-morphing hydrogels with self-healing and tunable physiochemical properties are excellent candidates for functional building blocks of untethered small-scale soft robots. With mechanical properties similar to soft organs and tissues, such robots enable minimally invasive medical procedures, such as cargo/cell transportation. In this work, responsive hydrogels based on zwitterionic/acrylate chemistry with self-healing and stimuli-responsiveness are synthesized. Such hydrogels are then judiciously cut and pasted to form hybrid constructs with predetermined swelling and elastic anisotropy. This method is used to program hydrogel constructs with predetermined 2D-to-3D deformation upon exposure to different environmental ionic strengths. Untethered soft robotic functionalities are demonstrated, such as actuation, magnetic locomotion, and targeted transport of soft and light cargo in flooded media. The proposed hydrogel expands the repertoire of functional materials for fabricating small-scale 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 seuil0,004

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 Opus0,023
Tête enseignante GPT0,278
Écart entre enseignants0,255 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSmall MethodsMême sujetAdvanced Materials and MechanicsTravaux en français237 207