Surface etching of silicone elastomers by depolymerization
Notice bibliographique
Résumé
Silicone elastomer surfaces that are rough at the nanometer to micron scales could be useful for biomaterials, but there are few efficient routes for their preparation. Silicones undergo depolymerization under equilibrating conditions. We demonstrate that surface roughness can be induced by depolymerizing silicone elastomers using triflic acid, tetrabutylammonium fluoride or KOH as catalysts. The efficiency of depolymerization, however, is decoupled from the roughness that develops. When the catalysts are dissolved in solvents that do not effectively swell silicones, the etching reaction can be mostly directed to the elastomer surface. Acid catalysis leads to slow, nearly homogenous surface erosion with surface roughnesses only increasing from 15 to about 125 nm root mean squared roughness. By contrast, once KOH partitions into the elastomer, the rate of erosion is more efficient than return of the catalyst to the solvent, leading to deep channels and roughnesses of up to ∼850 nm. The use of fluoride requires good solvents for silicone, and leads to surfaces of intermediate roughness. Thus, judicious choice of catalyst and solvent permits independent control over depolymerization and the induction of surface roughness.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».