Laser-assisted surface patterning of magnesium with silver nanoparticles: synthesis, characterization and modelling
Notice bibliographique
Résumé
Abstract Surface patterning of biocompatible materials may improve cell adhesion, infiltration and proliferation. Magnesium is a biocompatible metal which has bioresorption capability, as well as a low elastic modulus. This unique combination of properties has attracted researchers to develop biodegradable magnesium devices. In this work, the patterning of magnesium with silver nanoparticles printed by the laser-assisted maskless microdeposition (LAMM) process was studied. The geometry and microstructure of the printed silver patterns and the diffusion zone at the Mg/Ag interface were studied using profilometry, scanning electron microscopy (SEM), energy dispersive x-ray spectroscopy (EDS) and transmission electron microscopy (TEM). The TEM analysis suggested that some intermetallic particles may form at the interface during laser sintering. The penetration curve of the Ag–Mg diffusion couple was obtained using EDS analysis. A finite element model is developed to simulate the LAMM process of silver nanoparticles on magnesium substrates. The model included a thermal analysis for determining the temperature history throughout the process, coupled with a diffusion model for evaluating compositional profiles across the interface. A comparison of the predicted profiles with the EDS results showed that the modelling and the experimental results qualitatively match. The analysis of SEM micrographs of the sintered nanoparticles, in light of the thermal modelling results, suggested that a minimum laser heat input was required for effective sintering of the nanoparticles.
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 ».