MétaCan
Menu
Retour à la cohorte
Enregistrement W1480231201 · doi:10.1155/2015/142195

From Plastic to Silicone: The Novelties in Porous Polymer Fabrications

2015· article· en· W1480231201 sur OpenAlexfundno aff
Soumaya Berro, Ranim El Ahdab, Houssein Hajj Hassan, Hassan Khachfe, Mohamad Hajj-Hassan

Notice bibliographique

RevueJournal of Nanomaterials · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMesoporous Materials and Catalysis
Établissements canadiensnon disponible
Organismes subventionnairesMcGill University
Mots-clésMaterials sciencePorosityPolymerFabricationPorous mediumTemplateSiliconeFlexibility (engineering)Texture (cosmology)Process (computing)NanotechnologyMethacrylateComposite materialCopolymerComputer scienceImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Porous polymers are gaining increased interest in several areas due, in great part, to their large surface area and unique physiochemical properties. Porous polymers are conventionally manufactured using specific processes related to the chemical structure of each polymer. With the wide variety of porous polymers that have been designed, fabricated, and tested to date, this review aims to provide an overview of the advances and recent progress in the preparation processes and fabrication techniques. A detailed comparison between these techniques is also provided. Some of these techniques offer the advantage of controlling the porosity and the possibility to obtain porous 3D polymers. A new generic fabrication process that can be applied to all liquid polymers to texture their outer surfaces with a desired porosity is also presented. The proposed process, which is based on two micromolding steps, offers flexibility in terms of tailoring the texture of the final polymer by simply using porous silicon templates with different pore sizes and configurations. The anticipated process was successfully implemented to texture polyethyl hydrosiloxane (PMHS) using porous silicon and polymethyl methacrylate (PMMA) scaffolds.

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)0,001
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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,026
Tête enseignante GPT0,264
Écart entre enseignants0,238 · 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

Citations26
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NanomaterialsMême sujetMesoporous Materials and CatalysisTravaux en français237 207