MétaCan
Menu
Retour à la cohorte
Enregistrement W1576495008 · doi:10.1002/9781118097298.weoc177

Polymer–Clay Nanocomposites

2012· other· en· W1576495008 sur OpenAlexaff
Musa R. Kamal, Jorge Uribe-Calderón

Notice bibliographique

RevueWiley Encyclopedia of Composites · 2012
Typeother
Langueen
DomaineMaterials Science
ThématiquePolymer Nanocomposites and Properties
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésNanocompositeMaterials scienceThermosetting polymerComposite materialPolymerNanoparticleExfoliation jointIntercalation (chemistry)ThermoplasticPolymer clayMontmorillonitePolymer nanocompositeRheologyNanotechnologyGraphene

Résumé

récupéré en direct d'OpenAlex

Abstract The incorporation of nanoparticles in polymer matrices leads to improvements in several physical properties. As a result, nanocomposites have the potential to be used in various fields such as medical devices, automotive and aerospace applications, packaging, and building materials. This article attempts to describe the various types of nanoparticles and polymeric systems that have been involved in nanocomposite production. Particular emphasis is placed on polymer‐clay nanocomposites, their properties, and the issues related to their production. Thermoplastic, thermoset, biopolymer, and rubber matrices are considered. The effects of nanoclay particles on the physical properties is reported, with due consideration to rheology, mechanical, thermal, barrier and electrical properties, and crystalline morphology. Thermodynamic aspects influencing nanocomposite synthesis, deagglomeration‐delamination of nanoclay and surface energy considerations are discussed. Successful nanocomposite synthesis leading to desirable performance characteristics requires uniform nanoparticle distribution and acceptable levels of exfoliation and/or intercalation of clay, in addition to good interfacial adhesion at the polymer‐clay interface.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0030,001

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 Opus0,008
Tête enseignante GPT0,220
Écart entre enseignants0,212 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiley Encyclopedia of CompositesMême sujetPolymer Nanocomposites and PropertiesTravaux en français237 207