Magnetic soft silicone elastomers with tunable mechanical properties for magnetically actuated devices
Notice bibliographique
Résumé
Polydimethylsiloxane (PDMS)/iron oxide magnetic nanoparticle (NP) composites with tailored mechanical properties are prepared for use in magnetically actuated soft devices based on their controlled deformation by the application of an external magnetic field. This investigation reports the synthesis and functionalization of iron oxide NPs, the preparation of the PDMS/NP composites, the evaluation of NP dispersion using scanning electron microscopy (SEM) and optical microscopy, and the mechanical characterization of the composite films. Characterization includes rheological measurements as well as stress‐strain curves to obtain the Young modulus and elongation at break. SEM is used to probe individual NP dispersion, whereas optical microscopy provides rapid access to quantitative information about the size and distribution of particle aggregates. Results for nonfunctionalized (nf), oleic acid (OA)‐coated, and stearic acid (SA)‐coated iron oxide NPs and their blends are presented. PDMS elastomers containing both OA‐ and SA‐coated iron oxide NPs are found to have very low Young moduli with substantially higher resistance to failure than neat PDMS. For example, a formulation containing 2.5 wt% OA‐coated NPs and 2.5 wt% SA‐coated iron oxide NPs has a modulus of 0.15 MPa (compared with 0.24 MPa for neat PDMS), while it can withstand an elongation of about 1.5 times its initial length compared with only 0.3 times for neat PDMS. As a comparison, the modulus of the most commonly used commercial PDMS elastomer (Sylgard 184) is an order of magnitude higher than that of the composites prepared here, whereas maximum elongation is similar for the two. The formulations developed in this work could be used in applications where high deformability is required with limited magnetic field strength and/or NP loading.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».