MétaCan
Menu
Retour à la cohorte
Enregistrement W3046739482 · doi:10.1680/jsuin.20.00037

Polyhedral oligomeric silsesquioxane/epoxy coatings: a review

2020· review· en· W3046739482 sur OpenAlexaff
Farzad Seidi, Maryam Jouyandeh, Ali Taghizadeh, Mohsen Taghizadeh, Sajjad Habibzadeh, Yongcan Jin, Huining Xiao, Payam Zarrintaj, Mohammad Reza Saeb

Notice bibliographique

RevueSurface Innovations · 2020
Typereview
Langueen
DomaineMaterials Science
ThématiqueSilicone and Siloxane Chemistry
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésSilsesquioxaneEpoxyMaterials scienceCoatingNanocompositeSurface modificationNanotechnologyComposite materialPolymerChemical engineering

Résumé

récupéré en direct d'OpenAlex

Nowadays, there is a need for a paradigm shift in material selection for surface coatings so as to meet the requirements of advanced systems. Polyhedral oligomeric silsesquioxanes (POSS) are three-dimensional networks with a silica-like core covered by an organic shell, a promising nanosized structure for organic coatings. The use of POSS structures in coating materials has experienced an almost erratic period over the past decade, mainly because of the synthesis of POSS being exclusive and, to some extent, expressive. However, there has been a big return to the use of POSS in coatings during the last years. Epoxy is best known for its versatility of usage as an organic coating. Hybrid organic–inorganic POSS nanostructures with unique properties are a complement to the epoxy for coating applications. The tailorable compatibility and considerable reactivity of POSS molecules towards organic groups have made them promising candidates for emerging multifunctional epoxy coatings. In this sense, the focus of this review is placed on POSS/epoxy nanocomposite coatings. The thermal, mechanical, anti-corrosion and dielectric properties of POSS/epoxy coatings have been comprehensively studied and discussed.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,347
Écart entre enseignants0,290 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSurface InnovationsMême sujetSilicone and Siloxane ChemistryTravaux en français237 207