MétaCan
Menu
Retour à la cohorte
Enregistrement W1598531732 · doi:10.5772/15231

Multiscale Manufacturing of Three-Dimensional Polymer-Based Nanocomposite Structures

2011· book-chapter· en· W1598531732 sur OpenAlexaff
Louis Laberge, Daniel Therriault

Notice bibliographique

RevueInTech eBooks · 2011
Typebook-chapter
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésNanocompositeMaterials scienceFabricationNanotechnologyAerospaceElectronicsMicroelectromechanical systemsPolymer nanocompositeEngineeringAerospace engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

There is currently a worldwide effort for advances in micro and nanotechnologies due to their high potential for technological applications in fields such as microelectromechanical systems (MEMS), organic electronics and high-performance structures for aerospace. In these fields, nanoparticle-filled composites, i.e. nanocomposites, represent an interesting material option compared to conventional resins due to their enhanced properties and multi-functional potential. However, several significant scientific and technological challenges must be first overcome in order to fabricate nanocomposite-based structures and devices rapidly and cost-effectively. Various fabrication techniques of one or twodimensional (1D/2D) nanocomposite structures have been developed, but few techniques are available for three-dimensional (3D) nanocomposite structures. The capability to manufacture complex 3D structures will greatly expand the practical applications of nanocomposite materials and enable the development of novel devices such as a 3D nanocomposite micro-coil spring. This chapter will present an overview of the challenges in multiscale fabrication and the current manufacturing techniques available to create 3D structures of polymer-based nanocomposites.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,560
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,233
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 tête enseignante, pas un consensus.

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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInTech eBooksMême sujetCarbon Nanotubes in CompositesTravaux en français237 207