The effect of nanoparticle location and shape on thermal transitions observed in hydrated layer-by-layer assemblies
Notice bibliographique
Résumé
Nanoparticles can have a profound effect on thermal transitions observed in polymer nanocomposites. Many layer-by-layer (LbL) assemblies contain nanoparticles for added functionality, but the resulting effects of nanoparticles on an LbL film's thermal properties are not known. Previously, we have shown that a nanoparticle-free LbL film containing strong polyelectrolytes, poly(diallyldimethylammonium chloride)/poly(styrene sulfonate) (PDAC/PSS), exhibited a single reversible thermal transition much like a glass-melt transition. In the work presented here, nanoparticles of either spherical (SiO2) or platelet (Laponite clay) shape are inserted at varying vertical locations throughout PDAC/PSS LbL films. Temperature-controlled quartz crystal microbalance (QCM-D) and modulated differential scanning calorimetry (MDSC) are applied, for which QCM-D proved to be more sensitive to the transition. All Laponite-containing films possess two thermal transitions. During growth, Laponite-containing films exhibit steady increases in dissipation, which is proposed to arise from mechanically decoupled regions separated by the Laponite nanoparticles. For SiO2-containing films, three transitions are detectable only when the SiO2 nanoparticles are placed in the middle of the film; no transitions are observed for SiO2 placed at the bottom or top, perhaps because of a weakening of the transition. The lowest transition is close in value to that of neat PDAC/PSS LbL films, and was assigned to a "bulk" response. The higher transition(s) is attributed to polymer chains in an interfacial region near the nanoparticle. We propose that nanoparticles restrict segmental mobility, thus elevating the transition temperature in the interfacial region.
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 ».