Numerical simulation of polymer nanocomposites using self-consistent mean-field model
Notice bibliographique
Résumé
Clay-containing polymeric nanocomposites (PNC) are mixtures of dispersed clay platelets in a polymeric matrix. These materials show enhancement of physical properties, such as modulus, strength, and dimensional stability, as well as a reduction of gas permeability and flammability. The performance is related to the degree of clay dispersion (i.e., intercalation or exfoliation) and the bonding between the clay and the matrix. The main goal of this work has been to map the degree of dispersion as a function of independent variables (viz., magnitude of the interaction parameters, molecular weights, composition, etc.). In this paper, we present the results of the numerical analysis of the equilibrium thermodynamic miscibility using one- and two-dimensional (1D and 2D) models based on the self-consistent mean-field theory. In the limit, the 2D model reproduced the 1D model published results. The adopted 2D model considers the presence of four PNC components: solid clay platelets, low molecular weight intercalant, polymeric matrix, and end-functionalized compatibilizer. The simulations, with realistic values of the binary interaction parameters, were analyzed for potential exfoliation of PNC with a polyolefin as the matrix. The simulation results show that intercalation and exfoliation is expected within limited ranges of the independent variables. The presence of a bare clay surface (e.g., generated by thermal decomposition of intercalant or extraction by molten polymer) has a strong negative effect on the dispersion process. The simulation successfully identified the most influential factors, e.g., optimum ranges of the compatibilizer and the intercalant concentration.
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 | 0,000 | 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) | 0,000 | 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 ».