MétaCan
Menu
Retour à la cohorte
Enregistrement W1988712716 · doi:10.4028/www.scientific.net/ast.59.35

Surfactant Modified Nickel-Manganese-Gallium Powder and Silicone Composites

2008· article· en· W1988712716 sur OpenAlexaff
Royale S. Underhill, K.A. Stevens, Gary C. Fisher

Notice bibliographique

RevueAdvances in science and technology · 2008
Typearticle
Langueen
DomaineMaterials Science
ThématiqueShape Memory Alloy Transformations
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceAlloyComposite materialPolymerComposite numberFormabilityMetallurgy

Résumé

récupéré en direct d'OpenAlex

Power supplies are often the limiting factor for operation of many portable electronic devices. Batteries contribute significantly to their weight and impose limitations on operational longevity. Harvesting vibratory energy from the environment for conversion to electrical energy has been proposed as a means to address these problems. Previously, DRDC Atlantic has shown that single crystals of nickel-manganese-gallium (NiMnGa) can produce large reversible stressinduced and magnetic field-induced strains of up to 10%. It has been proposed that NiMnGa magnetic shape memory alloys may be an ideal alloy to harvest mechanical energy. The drawback to monolithic NiMnGa crystals is that they are susceptible to intergranular fracture. To address this issue, a composite of the alloy in a polymer matrix has been examined in the hopes of improving toughness and formability. Good bonding between the polymer and the powder is needed to facilitate optimum transfer of force between the two components. The objective of this study was to understand and optimize the polymer-alloy interactions. The polymer matrix chosen was Dow Corning Sylgard 186. It was determined that the Sylgard 186 prepolymer base interacts with the oxidized surface of the NiMnGa particles. Silane coupling agents were also investigated to examine their effect on the interfacial interactions. No change in properties were observed.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,262
Écart entre enseignants0,249 · 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

Citations3
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in science and technologyMême sujetShape Memory Alloy TransformationsTravaux en français237 207