MétaCan
Menu
Retour à la cohorte
Enregistrement W2974473340 · doi:10.4236/jmmce.2019.75020

Hydrophobicity of Highly Ordered Nanorod Polycrystalline Nickel and Silver Surfaces

2019· article· en· W2974473340 sur OpenAlexaff
Ján Macko, Natália Podrojková, Radim Hrdý, Andrej Oriňák, Renáta Oriňáková, Jaromír Hubálek, Jaroslav Vojtuš, Zuzana Kostecká, Roger M. Smith

Notice bibliographique

RevueJournal of Minerals and Materials Characterization and Engineering · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Surface Interaction Studies
Établissements canadiensPricewaterhouseCoopers (Canada)
Organismes subventionnairesVedecká Grantová Agentúra MŠVVaŠ SR a SAVAgentúra na Podporu Výskumu a Vývoja
Mots-clésNanorodMaterials scienceAdhesionSurface energyNickelCrystalliteChemical engineeringNanotechnologyMetalPolarizabilityAgglomerateSurface tensionComposite materialChemistryMetallurgyMoleculeOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Highly ordered nickel and silver nanorods arrays prepared by alumina template assisted electrodeposition were investigated to determine the effect of the array geometry on metal surface hydrophobicity and adhesion forces. The nanorod geometry, clustering and pinning were used to characterize surface hydrophobicity and its modulation. A contribution of metal crystallographic orientation to the surface energy was calculated. To characterize nanorod array surface properties and elucidate the source of the particle adhesion effects has been calculated. The dispersive components of surface tension γSD and surface polarizability ks, as surface features that markedly characterize hydrophobicity and adhesion, were calculated. The highest hydrophobicity was found for Ag nanorods with aspect ratio of 10 then Ni nanorods with aspect ratio 10. The same geometry of nanorods particles resulted in different surface hydrophobicity and it was ascribed to the orientation of Ag and Ni crystals formed on the top of nanorods. Due to high hydrophobicity nanorod array surfaces could be used as an antifouling surface in medicine to select areas on implant surface not to be colonized by cells and tissues.

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 seuil0,002

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 Opus0,007
Tête enseignante GPT0,202
Écart entre enseignants0,195 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Minerals and Materials Characterization and EngineeringMême sujetPolymer Surface Interaction StudiesTravaux en français237 207