MétaCan
Menu
Retour à la cohorte
Enregistrement W2905573364 · doi:10.3390/nano9010002

Thermally Robust Non-Wetting Ni-PTFE Electrodeposited Nanocomposite

2018· article· en· W2905573364 sur OpenAlexafffund
Jason Tam, Jonathan Chun Fung Lau, U. Erb

Notice bibliographique

RevueNanomaterials · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceWettingPolytetrafluoroethyleneComposite materialContact angleAbrasiveCoatingNanocompositeSilicon carbideAbrasion (mechanical)NickelMetallurgy

Résumé

récupéré en direct d'OpenAlex

The effect of high temperature exposure on the water wetting properties of co-electrodeposited superhydrophobic nickel-polytetrafluoroethylene (Ni-PTFE) nanocomposite coating on copper substrates was studied. This was accomplished by comparing the performance with a commercial superhydrophobic spray treatment (CSHST). The Ni-PTFE and CSHST coatings were both subjected to heating at temperatures up to 400 °C. Results showed that the Ni-PTFE was able to maintain its superhydrophobicity throughout the entire temperature range, whereas the CSHST became more wettable at 300 °C. Furthermore, additional abrasive wear tests were conducted on both materials that were subjected to heating at 400 °C. The Ni-PTFE remained highly non-wettable even after 60 m of abrasion length on 800 grit silicon carbide paper, whereas the CSHST coating was hydrophilic after 15 m.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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
Métarecherche0,0010,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,017
Tête enseignante GPT0,243
Écart entre enseignants0,226 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations26
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanomaterialsMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207