Lubricant‐Infused Nanoparticulate Coatings Assembled by Layer‐by‐Layer Deposition
Notice bibliographique
Résumé
Omniphobic coatings are designed to repel a wide range of liquids without leaving stains on the surface. A practical coating should exhibit stable repellency, show no interference with color or transparency of the underlying substrate and, ideally, be deposited in a simple process on arbitrarily shaped surfaces. We use layer‐by‐layer (LbL) deposition of negatively charged silica nanoparticles and positively charged polyelectrolytes to create nanoscale surface structures that are further surface‐functionalized with fluorinated silanes and infiltrated with fluorinated oil, forming a smooth, highly repellent coating on surfaces of different materials and shapes. We show that four or more LbL cycles introduce sufficient surface roughness to effectively immobilize the lubricant into the nanoporous coating and provide a stable liquid interface that repels water, low‐surface‐tension liquids and complex fluids. The absence of hierarchical structures and the small size of the silica nanoparticles enables complete transparency of the coating, with light transmittance exceeding that of normal glass. The coating is mechanically robust, maintains its repellency after exposure to continuous flow for several days and prevents adsorption of streptavidin as a model protein. The LbL process is conceptually simple, of low cost, environmentally benign, scalable, automatable and therefore may present an efficient synthetic route to non‐fouling materials.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».