Development of ultralight, super-elastic, hierarchical metallic meta-structures with i3DP technology
Notice bibliographique
Résumé
Abstract Lightweight and mechanically robust materials show promising applications in thermal insulation, energy absorption, and battery catalyst supports. This study demonstrates an effective method for creation of ultralight metallic structures based on initiator-integrated 3D printing technology (i3DP), which provides a possible platform to design the materials with the best geometric parameters and desired mechanical performance. In this study, ultralight Ni foams with 3D interconnected hollow tubes were fabricated, consisting of hierarchical features spanning three scale orders ranging from submicron to centimeter. The resultant materials can achieve an ultralight density of as low as 5.1 mg cm −3 and nearly recover after significant compression up to 50%. Due to a high compression ratio, the hierarchical structure exhibits superior properties in terms of energy absorption and mechanical efficiency. The relationship of structural parameters and mechanical response was established. The ability of achieving ultralight density <10 mg cm −3 and the stable <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" overflow="scroll"> <mml:mover accent="true"> <mml:mi>E</mml:mi> <mml:mo stretchy="true">¯</mml:mo> </mml:mover> <mml:mo>∼</mml:mo> <mml:msup> <mml:mrow> <mml:mover accent="true"> <mml:mi>ρ</mml:mi> <mml:mo stretchy="true">¯</mml:mo> </mml:mover> </mml:mrow> <mml:mn>2</mml:mn> </mml:msup> </mml:math> scaling through all range of relative density, indicates an advantage over the previous stochastic metal foams. Overall, this initiator-integrated 3D printing approach provides metallic structures with substantial benefits from the hierarchical design and fabrication flexibility to ultralight applications.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».