MétaCan
Menu
Retour à la cohorte
Enregistrement W4414473488 · doi:10.1021/acsnano.5c10246

Ion Conductivity of Polyelectrolyte Hydrogels with Varying Compositions

2025· article· en· W4414473488 sur OpenAlexafffund
Junjie Yin, Dingwen Qian, Tejveer Singh Plaha, Yuhang Huang, Mónica Olvera de la Cruz, Eugenia Kumacheva

Notice bibliographique

RevueACS Nano · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Nanocomposite Synthesis and Irradiation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of TorontoNational Science Foundation
Mots-clésSelf-healing hydrogelsPolyelectrolyteCopolymerIonConductivityMonomerCationic polymerizationIonic conductivity

Résumé

récupéré en direct d'OpenAlex

Ion transport in polyelectrolyte (PE) hydrogels is governed by a complex interplay between charge distribution, network architecture, and ionic interactions; however, the role of hydrogel composition in ion conductivity remains elusive. Here, we report the results of an experimental and simulation study of ion conductivity and ion mobility in PE gels formed from random copolymers containing charged and charge-neutral repeat units. For anionic or cationic copolymers with H + or Cl – counterions, respectively, control over charge concentration and pore size was achieved by systematically varying the fraction of charged monomers and the cross-linking density of the hydrogel. We show that the dependence of ion mobility on charge concentration becomes stronger in hydrogels formed by the copolymers with a reduced fraction of charged repeat units. Moreover, the variation in the mobility of H + ions is more sensitive to hydrogel composition than that of the Cl – ions, thus highlighting ion-specific effects. The experimental results are in agreement with the simulation. These findings provide insight into the mechanisms of ion transport in compositionally heterogeneous PE networks and offer design principles for creating functional biomimetic hydrogels with tunable ionic conductivity.

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 seuil0,002

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 GPT0,233
Écart entre enseignants0,225 · 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

Citations7
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetPolymer Nanocomposite Synthesis and IrradiationTravaux en français237 207