Formation of porous networks on polymeric surfaces by femtosecond laser micromachining
Notice bibliographique
Résumé
In this study, porous network structures were successfully created on various polymer surfaces by femtosecond laser micromachining. Six different polymers (poly(tetrafluoroethylene) (PTFE), poly(methyl methacrylate) (PMMA), high density poly(ethylene) (HDPE), poly(lactic acid) (PLA), poly(carbonate) (PC), and poly(ethylene terephthalate) (PET)) were machined at different fluences and pulse numbers, and the resulting structures were identified and compared by lacunarity analysis. At low fluence and pulse numbers, porous networks were confirmed to form on all materials except PLA. Furthermore, all networks except for PMMA were shown to bundle up at high fluence and pulse numbers. In the case of PC, a complete breakdown of the structure at such conditions was observed. Operation slightly above threshold fluence and at low pulse numbers is therefore recommended for porous network formation. Finally, the thickness over which these structures formed was measured and compared to two intrinsic material dependent parameters: the single pulse threshold fluence and the incubation coefficient. Results indicate that a lower threshold fluence at operating conditions favors material removal over structure formation and is hence detrimental to porous network formation. Favorable machining conditions and material-dependent parameters for the formation of porous networks on polymer surfaces have thus been identified.
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 | 0,001 |
| Science ouverte | 0,001 | 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 ».