MétaCan
Menu
Retour à la cohorte
Enregistrement W1989145501 · doi:10.1088/0960-1317/20/1/015032

A magnetic poly(dimethylesiloxane) composite membrane incorporated with uniformly dispersed, coated iron oxide nanoparticles

2009· article· en· W1989145501 sur OpenAlexafffund
Fatemeh Nazly Pirmoradi, Luna Cheng, Mu Chiao

Notice bibliographique

RevueJournal of Micromechanics and Microengineering · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésNanoparticleComposite numberMaterials scienceMembraneMagnetic nanoparticlesIron oxide nanoparticlesIron oxideOxideChemical engineeringNanotechnologyComposite materialChemistryMetallurgyEngineering

Résumé

récupéré en direct d'OpenAlex

We report a new magnetic polymer membrane for MEMS application. The polymeric magnetic composite has coated iron oxide nanoparticles incorporated in a polydimethylsiloxane (PDMS) matrix. Existing magnetic polymeric materials have particle agglomeration problems, which result in rough surfaces and uneven mechanical and optical properties. We show that the use of iron oxide nanoparticles (10 nm in diameter) with fatty acid and hydrophobic coatings inhibits aggregation of particles in the PDMS polymer matrix. Agglomerated particle sizes in thin-film PDMS composites incorporated with uncoated and coated particles are 51 ± 24 µm and 1.6 ± 0.25 µm, respectively. The PDMS composites exhibit saturation magnetization of 22.8 to 23.94 emu g−1. Stress–strain curves of the composites are characterized by tensile tests. Free-standing magnetic PDMS membranes are fabricated in different sizes from 4 mm to 7 mm in diameter and with the thickness of 35.5 ± 1.5 µm. The membrane of 7 mm diameter achieves deflection of 625 µm in a 0.417 T magnetic field. The magnetic PDMS membranes may be used in micro-pumps and lab-on-a-chip applications.

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 seuil0,003

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 recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,005
Tête enseignante GPT0,174
Écart entre enseignants0,169 · 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

Citations101
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Micromechanics and MicroengineeringMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207