Durable Microstructured Surfaces: Combining Electrical Conductivity with Superoleophobicity
Notice bibliographique
Résumé
In this study, electrically conductive and superoleophobic polydimethylsiloxane (PDMS) has been fabricated through embedding Ag flakes (SFs) and Ag nanowires (SNWs) into microstructures of the trichloroperfluorooctylsilane (FDTS)-blended PDMS elastomer. Microstructured PDMS surfaces became conductive at the percolation surface coverage of 3.0 × 10(-2) mg/mm(2) for SFs; the highest conductivity was 1.12 × 10(5) S/m at the SFs surface coverage of 6.0 × 10(-2) mg/mm(2). A significant improvement of the conductivity (increased 3 times at the SNWs fraction of 11%) was achieved by using SNWs to replace some SFs because of the conductive pathways from the formed SNWs networks and its connections with SFs. These conductive fillers bonded strongly with microstructured FDTS-blended PDMS and retained surface properties under the sliding preload of 8.0 N. Stretching tests indicated that the resistance increased with the increasing strains and returned to its original state when the strain was released, showing highly stretchable and reversible electrical properties. Compared with SFs embedded surfaces, the resistances of SFs/SNWs embedded surfaces were less dependent on the strain because of bridging effect of SNWs. The superoleophobicity was achieved by the synergetic effect of surface modification through blending FDTS and the microstructures transferred from sand papers. The research findings demonstrate a simple approach to make the insulating elastomer to have the desired surface oleophobicity and electrical conductivity and help meet the needs for the development of conductive devices with microstructures and multifunctional properties.
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) | 0,001 | 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 ».