MétaCan
Menu
Retour à la cohorte
Enregistrement W2775423442 · doi:10.1021/acs.iecr.7b03836

Comparing Soft Semicrystalline Polymer Nanocomposites Reinforced with Cellulose Nanocrystals and Fumed Silica

2017· article· en· W2775423442 sur OpenAlexafffund
Michael S. Reid, Taylor C. Stimpson, Elina Niinivaara, Marco Villalobos, Emily D. Cranston

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCabot Corporation
Mots-clésFumed silicaCrystallinityNanocompositePolymerMaterials scienceCelluloseComposite materialChemical engineeringPolymer sciencePolymer chemistry

Résumé

récupéré en direct d'OpenAlex

This work compares solvent-cast poly(ethylene oxide) (PEO) nanocomposites reinforced with cellulose nanocrystals (CNCs) and fumed silica. Mechanical properties and crystallization behavior were investigated over a range of polymer molecular weights (10 000–100 000 g/mol) and particle loadings (1–10 wt %). Polymer adsorption to CNCs and fumed silica was found to alter PEO undercooling and inhibit crystal nucleation. Atomic force microscopy revealed PEO adsorbs to CNCs in a shish-kebab morphology that is readily incorporated into the crystalline domains of the polymer. Tensile testing and nanoindentation showed that Young’s modulus increased by more than 60% for CNC reinforced nanocomposites, and that the Halpin–Kardos model could effectively describe the mechanical properties. Fumed silica reinforced nanocomposites were fit to the Guth–Gold micromechanical model using effective particle volume fractions. Although only solvent-cast nanocomposites were investigated, this work provides new insight into the interactions that control dispersion, crystallization, and mechanical reinforcement.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
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 enseignants0,005
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,067
Tête enseignante GPT0,319
Écart entre enseignants0,252 · 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 tête enseignante, pas un consensus.

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

Citations23
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207