MW
Meng Wang
Author with expertise in 4D Printing Technologies
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
8
(50% Open Access)
Cited by:
823
h-index:
30
/
i10-index:
63
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Interpenetrating Liquid-Crystal Polyurethane/Polyacrylate Elastomer with Ultrastrong Mechanical Property

Hai‐Feng Lu et al.Aug 20, 2019
Liquid-crystal elastomer (LCE) materials, which have been developed and investigated for 4 decades, still lack real industrial applications. The fundamental obstacle is the modest force of LCEs generated in the LC-to-isotropic phase transition process, which is the most important actuation moment. Here, we report an interpenetrating liquid-crystal polyurethane/polyacrylate elastomer material, consisting of one main-chain polyurethane LCE and another liquid-crystal polyacrylate thermoset network, which are simultaneously polymerized. This two-way shape memory material can reversibly shrink/expand under thermal stimulus and show ultrastrong actuation-mechanics properties. With a maximum shrinkage ratio of 86% at 140 °C, which is beyond the LC-to-isotropic phase transition, its actuation blocking stress, actuation work capacity, breaking strength, and elastic modulus reach 2.53 MPa, 1267.7 kJ/m3, 7.9 MPa, and 10.4 MPa, respectively. Such LCE material can lift up a load 30 000 times heavier than its own weight. We hope the outstanding mechanical properties of this interpenetrating polymer network-LCE material would pave the way for real industrial utilizations of LCE-based soft actuators.
0

Mapping Individual Differences in the Topological Landscape of Naturalistic Brain Dynamics

Jiajia Xian et al.Jun 25, 2024
Abstract Naturalistic stimuli elicit rich subjective experiences through adaptive neural coordination. However, how inherent behavioral traits shape individual neural dynamics in naturalistic settings remains unclear. Here, we introduce a computational framework, STIM, to systematically capture individual differences in brain dynamics while watching diverse movie stimuli. By leveraging Topological Data Analysis, STIM generates a robust group-level dynamical landscape of brain latent states, mapping individual-specific divergence into global topology and local geometry. Applying STIM to large-sample movie fMRI datasets, we found that inter-individual variation in global topology exhibits a center-periphery gradient in the landscape. This gradient significantly explains individual fluid intelligence from a dual perspective, highlighting the importance of both adaptability and diversity of neural dynamics. At the fine-grained narrative level, individual local geometry attributes are associated with context-specific psychological traits beyond cognition. Furthermore, STIM reveals how the dynamical landscape evolves across neurodevelopment and exhibits abnormalities in psychiatric disorders such as autism. In summary, the STIM framework has the potential to transform rich naturalistic stimuli with brain recording into neural ‘probes’ to measure individual differences in cognition and mental health.