Mathematical modeling and direct numerical simulation of the self-assembly in biological chiral lyotropic liquid crystals
Bibliographic record
Abstract
Les Cristaux Liquides Biologiques Chiraux Lyotropes (CLBCL) possèdent des applications prometteuses dans des domaines cruciaux tels que les études photonique avancées, le biomimétisme, la conception de matériaux sensibles aux stimuli, etc. Le large éventail d'applications liées à la structure et les caractéristiques très recherchées des CLBCL, telles que la biodégradabilité et la biocompatibilité, rendent nécessaire une compréhension approfondie de l'auto-assemblage des CLBCL, et c'est pourquoi ce domaine a été placé à l'avant-garde de la recherche et du développement de matériaux avancés. Malgré les progrès remarquables réalisés au cours des dernières décennies, l'auto-assemblage de ces matériaux n'a pas encore été entièrement compris. Dans la présente thèse de doctorat, nous utilisons la modélisation multidimensionnelle, multi-échelle et multi-transport, et la simulation numérique directe pour étudier les phénomènes inextricablement liés de séparation de phases et d'ordre d'orientation à longue distance dans l'auto-assemblage des CLBCL, qui sont d'une importance capitale dans la conception et l'ingénierie des matériaux. Nous nous concentrons en particulier sur trois CLBCL bien connus : le collagène, β-lactoglobuline fibrilles amyloïdes, et les nanocristaux de cellulose. Nous développons des diagrammes de phase pour les dispersions de collagène et explorons la physique régissant les limites de transition de phase. Par la suite, la croissance d'une gouttelette cholestérique unique est étudiée pour révéler les mécanismes impliqués par la formation de structure au sein d'une gouttelette chirale en croissance. En outre, la zone de nucléation et de croissance qui sort du diagramme de phase est explorée et caractérisée de manière exhaustive en termes de quantités fondamentales telles que le temps d'induction, la durée de nucléation et la taille des gouttelettes, la morphologie, la population, les lois de croissance, etc. Des techniques d'apprentissage automatique sont ensuite utilisées pour développer des corrélations à grande échelle pour les caractérisations. En utilisant des analyses d'énergie libre, la physique derrière le mécanisme de nucléation et de croissance est également élucidée en détail. Enfin, nous mettons l'accent sur une compréhension approfondie des mécanismes impliqués dans la relaxation paranématique-cholestérique (PN-N*) des CLBCL. Non seulement nous révélons la physique derrière la relaxation PN-N*, mais un nouveau cadre systématique est proposé pour estimer les propriétés viscoélastiques telles que la constante élastique de Landau (L1) et la viscosité rotationnelle, qui sont difficilement mesurables pour les CLBCL avec les protocoles expérimentaux existants. Dans l'ensemble, les résultats présentés dans cette thèse de doctorat approfondissent la compréhension de l'auto-assemblage des CLBCL et contribuent à faire progresser les aspects scientifiques et techniques de ce domaine, en réduisant potentiellement l'écart entre les protocoles expérimentaux actuellement utilisés et les performances recherchées du matériau
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".