MétaCan
Menu
Retour à la cohorte

Nanostructured Superhydrophobic Silver Surfaces

2012· article· en· W2156143834 sur OpenAlexafffund
D.K. Sarkar

Notice bibliographique

RevueMaterials science forum · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceX-ray photoelectron spectroscopySurface energyScanning electron microscopeLotus effectFourier transform infrared spectroscopyContact angleChemical engineeringCopperNanotechnologyStearic acidMoleculeWettingSilver nitrateSurface roughnessOrganic chemistryComposite materialMetallurgyChemistry

Résumé

récupéré en direct d'OpenAlex

Inspired by “lotus-effect”, a superhydrophobic surface, in general, is prepared via two steps: (i) creating a surface roughness and then (ii) lowering the surface energy via a self-assembly of organic molecules or via low surface energy coatings. Superhydrophobicity cannot result if one of these two essential factors does not coexist. In the present work, it has been shown that superhydrophobic properties can be achieved on silver surfaces both via two-steps and a novel and simple one-step process. In the two step-processes a fractal-structured silver film deposited on copper surface by galvanic exchange reactions was passivated using stearic acid organic molecules to reduce the surface energy resulting in the superhydrophobicity. In the one-step process, however, the copper substrates were simply immersed in the silver nitrate solution containing fluoroalkylsilane (FAS-17) molecules resulting in superhydrophobicity. The silver films prepared both via two-steps and one-step processes were found to be highly water repellant with the water drops rolling off those surfaces. Scanning electron microscopy (SEM), X-ray diffraction (XRD), Fourier transform infrared spectroscopy (FTIR) and X-ray photoelectron spectroscopy (XPS) were utilized to understand the morphology, molecular bonding, and chemical properties of the superhydrophobic silver surfaces.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,250
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterials science forumMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207