MétaCan
Menu
Retour à la cohorte
Enregistrement W2767104398 · doi:10.1088/1361-665x/aa981c

Direct ink writing of 3D conductive polyaniline structures and rheological modelling

2017· article· en· W2767104398 sur OpenAlexafffund
F. Benjamin Holness, Aaron D. Price

Notice bibliographique

RevueSmart Materials and Structures · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueConducting polymers and applications
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceFabricationPolyanilineExtrusionFused filament fabricationInkwellFused deposition modelingElectrical conductorComposite materialPolymer3D printingDopingNozzleConductive polymerNanotechnologyOptoelectronicsMechanical engineeringPolymerization

Résumé

récupéré en direct d'OpenAlex

Abstract The intractable nature of conjugated polymers (CP) leads to practical limitations in the fabrication of CP-based transducers having complex three-dimensional geometries. Conventional CP device fabrication processes have focused primarily on thin-film deposition techniques; this study explores novel additive manufacturing processes specifically developed for CP with the ultimate goal of increasing the functionality of CP sensors and actuators. Herein we employ automated polymer paste extrusion processes for the direct ink writing of 3D conductive polyaniline (PANI) structures. Realization of these structures was enabled through a modified fused filament fabrication delta robot equipped with an integrated polymer paste extruder to fabricate high-resolution 3D conductive PANI structures. The required processability of PANI was achieved by means of a counterion-induced thermal doping method. The effect of thermal doping on the PANI-DBSA paste by means of a constitutive relationship to describe the paste flow as a function of the thermal doping time is explored. This relationship is incorporated within a flow model to predict the extruded track width as a function of various process parameters including: print speed, gauge pressure, nozzle diameter, and pre-extrusion thermal doping time.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,287
Écart entre enseignants0,249 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations31
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSmart Materials and StructuresMême sujetConducting polymers and applicationsTravaux en français237 207