Ultrasoft Self-Healing Nanoparticle-Hydrogel Composites with Conductive and Magnetic Properties
Notice bibliographique
Résumé
Recently, integration of two or more important properties into a hydrogel has been a challenge in the preparation of the multifunctional hydrogel. Herein, in order to impart conductive and magnetic properties to the self-healing PVA hydrogel at the same time, the nanofibrillated cellulose (NFC) was used as the substrate. The polyaniline was coated on the NFC surface by in situ chemical polymerization, and the MnFe2O4 nanoparticles were synthesized and loaded on the NFC by the chemical co-precipitation method. The multifunctional PVA hydrogel was prepared by incorporating the NFC/PAni/MnFe2O4 nanocomposites with the PVA hydrogel. The magnetic and conductive property tests of the multifunctional PVA hydrogel showed that the maximum saturation magnetization and conductivity were 5.22 emu·g–1 and 8.15 × 10–3 S·cm–1, respectively. Moreover, the multifunctional PVA hydrogel exhibited excellent self-healing and ultrasoft properties, which could be self-healed completely after the pieces of the hydrogel were put together for several minutes at room temperature. Due to the self-healing ability, conductivity, and magnetism, the novel hydrogel was expected to be used in many practical applications, such as electrochemical display devices, rechargeable batteries, and electromagnetic interference shielding. More importantly, we proved a facile template approach to the preparation of a stable polymer and nanoparticle composites using NFC as substrates that imparted different properties to hydrogels.
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 | 0,000 |
| 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 ».