MétaCan
Menu
Retour à la cohorte
Enregistrement W2900499786 · doi:10.25071/10315/35411

Graphene Oxide Reinforced Bio-Epoxy Polymers

2018· article· en· W2900499786 sur OpenAlexafffund
Anthony Loeffen, Duncan Cree, Mina Sabzevari, L. R. A. Wilson

Notice bibliographique

RevueProgress in Canadian Mechanical Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueGraphene and Nanomaterials Applications
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Saskatchewan
Mots-clésEpoxyGrapheneOxidePolymerMaterials scienceComposite materialPolymer scienceNanotechnologyMetallurgy

Résumé

récupéré en direct d'OpenAlex

The majority of epoxy/graphene oxide (GO) composite studies have been conducted on synthetic epoxies. This work presents the results on GO filler loadings of 0.1, 0.2 and 0.3 wt. % to a green bio-epoxy polymer. GO was synthesized from oxidation of graphite flakes. The epoxy/GO composites were prepared using a solution mixing route. Scanning electron microscopy (SEM) was used to examine the graphite and GO powder morphology and composite fractured surfaces. Fourier transform infrared (FTIR) spectroscopy was used to identify functional groups on the produced GO material. Tensile strength of pure and modified bio-epoxy composites was evaluated. SEM showed differences in fractured surfaces which implies the GO material was able to modify the bio-epoxy polymer. The FTIR results confirmed oxidation of the graphite was successful. The tensile strength and modulus improved by 23 % and 35 %, respectively as compared to the pure bio-epoxy with only 0.3 wt. % GO filler. Additions of GO to bio-epoxy revealed a significant enhancement in tensile strength and stiffness could be achieved with considerable lower filler loadings than traditional fillers.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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 Opus0,006
Tête enseignante GPT0,205
Écart entre enseignants0,199 · 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

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProgress in Canadian Mechanical EngineeringMême sujetGraphene and Nanomaterials ApplicationsTravaux en français237 207