Multifunctional and Reprogrammable Magnetoactive Graphene Oxide Origami
Notice bibliographique
Résumé
Magnetoactive materials, which change shape in response to magnetic fields, hold significant potential for applications in soft robotics, biomedical devices, and morphable structures. However, existing systems often suffer from complex fabrication processes, limited geometric customizability, and inefficient magnetization reprogramming strategies, especially for 3D structures. Here, lightweight magnetic graphene oxide (MGO) bilayer films incorporating hard-magnetic microparticles are introduced to enable fast, precise, and stable shape-morphing under magnetic actuation, including in aqueous environments. The paper-like nature of MGO films allows low-cost and straightforward fabrication of customized structures through post-processing steps such as cutting, folding, and assembly. In addition, the hygroscopic properties of GO introduce a humidity-tunable actuation, offering an extra degree of control. To address the reprogramming challenge, a reversible, high-throughput, and energy-efficient strategy is introduced based on the rearrangements of reusable MGO magnetic stickers, enabling multimodal magnetic shape reconfiguration and functional versatility. Their applications are showcased in in situ mechanical state transitions, sequential logic computing, and soft robot locomotion. Finally, a MGO sensoriactuator is demonstrated capable of magnetic actuation and real-time deformation monitoring, paving the way for closed-loop soft robotic systems. This work presents a sustainable, reconfigurable, and multifunctional strategy for advancing next-generation intelligent magnetoactive soft machines.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».