Determining thermo‐mechanical properties of polydimethylsiloxanes from their strain‐induced spectral fingerprints
Notice bibliographique
Résumé
ABSTRACT Adaptive properties and complex shapes of modern day soft matter components create a challenge for materials applications where mechanical properties of intricate fabricated components cannot be determined from conventional invasive and destructive mechanical tests. In particular, challenges arising from variable mechanical properties of polydimethylsiloxanes (PDMSs) constantly attract wide‐scale attention in the fields of material sciences, biological systems, and microfluidics. Herein, a noninvasive and nondestructive strain‐induced infrared spectroscopic method (S‐FTIR) is developed. S‐FTIR is a method that maps thermo‐mechanical response of PDMS to its strain‐induced spectral fingerprint. From the results of this study, strong correlations of up to 95% between spectral fingerprint of PDMS and its corresponding nonlinear thermo‐mechanical response is seen. Given the nature of these results, it is expected that S‐FTIR will provide an interesting new analytical approach to understand soft materials and allow for the characterization of micro and nanoscale devices composed of these polymeric materials as well. © 2019 Wiley Periodicals, Inc. J. Polym. Sci., Part B: Polym. Phys. 2019 , 57 , 359–367
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».