MétaCan
Menu
Retour à la cohorte
Enregistrement W2804652057 · doi:10.1021/acs.macromol.8b00736

Atomistic Modeling of the Formation of a Thermoset/Thermoplastic Interphase during Co-Curing

2018· article· en· W2804652057 sur OpenAlexaff
Magdalena Laurien, Barış Demir, Holger Büttemeyer, Axel S. Herrmann, Tiffany R. Walsh, Lucio Colombi Ciacchi

Notice bibliographique

RevueMacromolecules · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensMcMaster University
Organismes subventionnairesAustralian Research CouncilUniversität BremenBundesministerium für Bildung und Forschung
Mots-clésThermosetting polymerInterphaseEpoxyMaterials scienceThermoplasticCuring (chemistry)Composite materialPolymerUltimate tensile strength

Résumé

récupéré en direct d'OpenAlex

Abstract Co-curing of a thermoset epoxy matrix in contact with thermoplastic foils is an essential step in damage-free joining of polymers or polymer-based composites. We present results of all-atom molecular dynamics simulations that shed light onto the resulting hybrid interface. Using poly­(vinylidene difluoride) (PVDF) and a multicomponent epoxy resin as model systems, we have developed a computational co-curing protocol that ensures both adequate structural representation and mobility of the PVDF chains and a realistic cross-linking conversion and topology of the epoxy resin. As a result, we reveal that mutually entangled loops of thermoplastic chains and resin strands form across the interface within the extended interphase region separating the two polymers. In tensile stress simulations we find that these loops contribute to a surprisingly large interfacial strength. In the absence of extrinsic defects, failures nucleate at the PVDF side of the interphase and propagate via a chain-pullout mechanism characteristic of semi-interpenetrating polymer networks involving thermoplastic materials.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,008
Tête enseignante GPT0,265
Écart entre enseignants0,257 · 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'étudeSimulation ou modélisation
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

Citations49
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacromoleculesMême sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207