Reinforcement of nylon 6 with functionalized silica nanoparticles for enhanced tensile strength and modulus
Notice bibliographique
Résumé
Pristine and functionalized silica (SiO(2)) nanoparticles were dispersed into nylon 6 and drawn into filaments through melt extrusion. The loading fraction of particles in both cases was 1.0 wt%. Fourier transform infrared (FTIR) studies revealed that reinforcement of pristine silica nanoparticles enhances the bond strength of each of the three basic bonds of nylon 6 namely, hydroxyl, amide, and carbonyl. As a result, the improvement over neat nylon in strength and modulus was 36% and 28% respectively, without any loss of fracture strain (80%). A silane coupling agent was then used through wet chemical treatment to functionalize silica nanoparticles. Functionalization induced an additional covalent Si-O-Si (siloxane) bond between silica particles and nylon backbone polymer while the enhancement in the basic bonds was retained. FTIR and x-ray photoelectron spectroscopy (XPS) studies confirmed the formation of the siloxane bond. This added chemical bond resulted in 76% and 55% improvement in tensile strength and modulus, and still retained 30% fracture strain. Calculation of the upper bound on Young's modulus indicates that one can reach within 5% of the bound with pristine silica particles, but it is exceeded by 15% when particles are functionalized.
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 | 0,000 |
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 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 ».