MétaCan
Menu
Retour à la cohorte
Enregistrement W3007409735 · doi:10.1002/mame.201900777

Double Dianhydride Backbone Polyimide Aerogels with Enhanced Thermal Insulation for High‐Temperature Applications

2020· article· en· W3007409735 sur OpenAlexafffund
Shahriar Ghaffari Mosanenzadeh, Mohammed Alshrah, Zia Saadatnia, Chul B. Park, Hani E. Naguib

Notice bibliographique

RevueMacromolecular Materials and Engineering · 2020
Typearticle
Langueen
DomaineChemistry
ThématiqueAerogels and thermal insulation
Établissements canadiensUniversity of TorontoUniversity of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésMaterials sciencePolyimideAerogelPolymerizationThermal insulationNanostructureThermal conductivityComposite materialMonomerConductivityPolymer chemistryChemical engineeringPolymerLayer (electronics)Nanotechnology

Résumé

récupéré en direct d'OpenAlex

Abstract Aerogels owe their high thermal insulation and other unique properties to their nanostructure configuration. However, controlling the aerogels' morphology is always a scientific challenge. In this study, double dianhydride backbone (double backbone) polyimide aerogels with tailored nanostructure assembly are created for the first time. This is achieved by controlled polymerization reaction of oligomers with distinct dianhydride monomers. Combining the two oligomers through a controlled polymerization reaction is a successful strategy for tailoring the aerogels nanostructure assembly as well as other properties. The fabricated double backbone aerogel presents 40% reduced thermal conductivity of 19.7 mW mK −1 over previously studied polyimide aerogels along with the compression modulus of 1.64 MPa at a relatively low density of 0.068 g cm −3 . Such low thermal conductivity is comparable with the inorganic counterparts. Light in weight and high thermally insulated polyimide aerogels with suitable mechanical properties and high service temperature are an appropriate replacement for current fireproof insulation materials.

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 seuil0,003

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 Opus0,006
Tête enseignante GPT0,186
Écart entre enseignants0,180 · 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

Citations52
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMacromolecular Materials and EngineeringMême sujetAerogels and thermal insulationTravaux en français237 207