MétaCan
Menu
Retour à la cohorte
Enregistrement W1542908482 · doi:10.1002/mame.201300442

Effect of Particle Size and Shape on the Reinforcing Efficiency of Nanoparticles in Polymer Nanocomposites

2014· article· en· W1542908482 sur OpenAlexafffund
Hojjat Mahi Hassanabadi, Denis Rodrigue

Notice bibliographique

RevueMacromolecular Materials and Engineering · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Nanocomposites and Properties
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistère du Développement Économique, de l’Innovation et de l’Exportation
Mots-clésMaterials scienceTalcNanocompositeEthylene-vinyl acetateComposite materialCarbon nanotubePolymerParticle sizeNanoparticleCrystallinityCopolymerPolymer nanocompositeParticle (ecology)Nano-RheologyChemical engineeringNanotechnology

Résumé

récupéré en direct d'OpenAlex

Abstract The effect of particle characteristics such as size and shape on the reinforcing efficiency of nano‐particles is investigated. Nanocomposites based on ethylene vinyl acetate (EVA) copolymer containing five different nano‐particles including clay, multiwall carbon nanotube (CNT), CaCO 3 , talc, and nano‐crystalline cellulose (NCC) were produced. The analyses are performed in the melt and solid states. The highest property changes were obtained for clay and CNT, followed by talc, NCC, and CaCO 3 . By using morphological analyses, mechanical properties, and rheological data, the results were correlated to the amount of available surface area between the particles and polymer. Finally, the particles were compared using a material cost over mechanical performance ratio where the optimum was obtained for talc followed by clay, NCC, CNT and CaCO 3 .

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

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,003
Tête enseignante GPT0,181
Écart entre enseignants0,178 · 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

Citations47
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMacromolecular Materials and EngineeringMême sujetPolymer Nanocomposites and PropertiesTravaux en français237 207