Laser-induced patterns on metals and polymers for biomimetic surface engineering
Notice bibliographique
Résumé
One common feature of many functional surfaces found in nature is their modular composition often exhibiting several length scales. Prominent natural examples for extreme behaviors can be named in various plant leaf (rose, peanut, lotus) or animal toe surfaces (Gecko, tree frog). Influence factors of interest are the surface’s chemical composition, its microstructure, its organized or random roughness and hence the resulting surface wetting and adhesion character. Femtosecond (fs) laser micromachining offers a possibility to render all these factors in one single processing step on metallic and polymeric surfaces. Exemplarily, studies on Titanium and PTFE are shown, where the dependence of the resulting feature sizes on lasing intensity is investigated. While Ti surfaces show rigid surface patterns of micrometer scaled features with superimposed nanostructures, PTFE exhibits elastic hairy structures of nanometric diameter, which upon a certain threshold tend to bundle to larger features. Both surface patterns can be adjusted to mimic specific wetting and flow behaviour as seen on natural examples. Therefore, fs-laser micromachining is suggested as an interesting industrially scalable technique to pattern and fine-tune the surface wettability of a surface to the desired extends in one process step. Possible applications can be seen with surfaces, which require specific wetting, fouling, icing, friction or cell adhesion behaviour.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».