MétaCan
Menu
Retour à la cohorte
Enregistrement W2944105889 · doi:10.1002/admi.201900003

The Coffee‐Ring Effect on 3D Patterns: A Simple Approach to Creating Complex Hierarchical Materials

2019· article· en· W2944105889 sur OpenAlexafffund
Marziye Mirbagheri, Dae Kun Hwang

Notice bibliographique

RevueAdvanced Materials Interfaces · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueNanomaterials and Printing Technologies
Établissements canadiensToronto Metropolitan UniversitySt. Michael's Hospital
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésMaterials sciencePolymerCoffee ring effectRing (chemistry)NanotechnologyRealization (probability)PlanarCoatingSuperposition principleCapillary actionSurface (topology)Chemical physicsComposite materialComputer scienceGeometryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The coffee‐ring effect can be troublesome or beneficial in many surface coating and patterning technologies, prompting an extensive investigation into understanding its underlying mechanism. Although valuable insights are available on drying of polymer solutions on planar surfaces, such information is lacking for 3D‐patterned substrates. Here, the experimental realization of the coffee‐ring effect of a polymer solution on topographical surfaces is reported. Interestingly, the results indicate that, following the capillary flow, the polymer is divided between multiple contact lines on the 3D features and around the base. Therefore, for a proper spacing between the 3D patterns, it is demonstrated that the polymer deposit can be limited to the 3D structures, leaving the base unoccupied. This superposition property is then exploited to fabricate complex hierarchical materials with selective wrinkling on the 3D features, by simply drying a polymer solution on them and, subsequently crosslinking the polymers using plasma.

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 seuil0,005

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 recherche0,0000,001
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 Opus0,011
Tête enseignante GPT0,245
Écart entre enseignants0,234 · 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

Citations7
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Materials InterfacesMême sujetNanomaterials and Printing TechnologiesTravaux en français237 207