MétaCan
Menu
Retour à la cohorte
Enregistrement W2030961712 · doi:10.1002/app.41493

Characterization of cross‐linking depth for thin polymeric films using atomic force microscopy

2014· article· en· W2030961712 sur OpenAlexafffund
Qiuquan Guo, Maxim Paliy, Brad Kobe, Tomáš Třebický, Natalie D. Suhan, Gilles Arsenault, Lorenzo Ferrari, Jun Yang

Notice bibliographique

RevueJournal of Applied Polymer Science · 2014
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensLanxess (Canada)Western University
Organismes subventionnairesFuel Cells and Hydrogen Joint UndertakingOntario Ministry of Economic Development and Innovation
Mots-clésElastomerMaterials sciencePolymerCharacterization (materials science)Thin filmComposite materialCross section (physics)Cross-linkAtomic force microscopyNanotechnology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Thin polymeric films made with various elastomers, like polyisoprene, and elastomer composites were prepared for characterization of cross‐linking depth in this study. Various cross‐linking methods have been applied to get mechanically stronger, more thermally stable and chemically resistant polymer coatings. However, there is no existing approach that could effectively characterize the degree or depth of cross‐linking for thin polymer films. The objective of this work is to use atomic force microscopy to characterize cross‐linking depth in a precise way. Hyperthermal hydrogen bombardment‐induced cross‐linking was employed as a cross‐linking method and the depth of cross‐linking was estimated via local change of the elastic modulus along the sample cross‐section with precise force measurement and high spatial resolution. It is found that the cross‐linking depth is closely related to the chemical composition of thin films. Understanding the depth of cross‐linking is vital for a broad range of applications. It is believed that the developed technique is also applicable for studying other cross‐linkable materials. © 2014 Wiley Periodicals, Inc. J. Appl. Polym. Sci. 2015 , 132 , 41493.

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 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 enseignants0,269
Score d'incertitude au seuil0,492

Scores Codex et Gemma par catégorie

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,306
Écart entre enseignants0,295 · 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.

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

Citations12
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Polymer ScienceMême sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207