Designed functional defects in colloidal photonic crystals: switching, biomonitoring and modified photoluminescence
Bibliographic record
Abstract
Es werden zwei komplementäre "bottom-up" Methoden präsentiert, die den kontrollierten Einbau von "intelligenten" planaren Defekten in \nselbstorganisierte kolloidale photonische Kristalle (KPKs) ermöglichen. Die Defektschicht basiert auf einem funktionellen, nanometer-skalierten dünnen Film, der entweder durch schichtweise ("layer-by-layer") Selbstorganisation und Mikrokontakttransferübertragung oder durch Aufschleudern und einer KPK-Opferfüllung hergestellt wird. Die entwickelten Techniken gestatten die Integration von maßgeschneiderten dünnen Defektfilmen bestehend aus einer enorm großen Vielfalt an Materialien; sie sind kostengünstig und können im größeren Maßstab angewendet werden. Optische Untersuchungen zeigen einen engen, durch den Defekt hervorgerufenen Transmissionszustand in der photonischen Bandlücke. Die Defektwellenlänge hängt von der optischen Dicke der Defektschicht ab.\nAktives Schalten der Defektwellenlänge wird erreicht, indem Defektschichten aus Makromolekülen hergestellt werden, die über externe Erreger wie Licht, Temperatur, Redoxzyklen und mechanischen Druck adressiert werden können. Die Ergebnisse der \nUntersuchungen sind im Einklang mit separat durchgeführten Ellipsometrie-Messungen und theoretischen "scalar wave approximation"-Berechnungen.\nDarüber hinaus werden KPKs mit funktionellen biomolekularen Defekten vorgestellt. Über Verschiebungen der Defektmode können DNA-Konformationsänderungen, die enantioselektive Einlagerung eines chiralen Antitumormedikaments sowie Enzymaktivitäten optisch beobachtet werden.\nDie Einlagerung von fluoreszierenden Farbstoffen und Quantenpunkten in Defekt-KPKs führt zu einer eindeutigen, durch die photonische Bandlücke und den Defektzustand hervorgerufenen Modifizierung der Photolumineszenz (PL)-Spektren. Schaltbare PL-Modifizierungen werden detektiert, wenn adressierbare Defekt-KPKs verwendet werden.\n\n\n\n\n\n\n\n
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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".