Influence of Silane Coupling Agents on Filler Network Structure and Stress-Induced Particle Rearrangement in Elastomer Nanocomposites
Notice bibliographique
Résumé
Filled rubber materials are key in many technologies having a broad impact on the economy and sustainability, the most obvious being tire technology. Adding filler dramatically improves the strength of rubber by reinforcement and tailoring the type of filler, and the chemistry of the interface between the filler and rubber matrix is important for optimizing performance metrics such as fuel efficiency. In a highly loaded, silica-filled, cross-linked model rubber closely mimicking commercial materials, both the filler network structure and the dynamics of the silica filler particles change when the silica surface is modified with silane coupling agents. Reduction in size scales characteristic of the structure is quantified using ultra-small-angle X-ray scattering (USAXS) measurements and the particle dynamics probed with X-ray photon correlation spectroscopy (XPCS). While the structure averaged over the scattering volume changes little with aging after step strain, the dynamics slow appreciably in a manner that varies with the treatment of the silica filler. The evolution of filler particle dynamics depends on the chemical functionality at the silica surface, and observing these differences suggests a way of thinking about the origins of hysteresis in nanoparticle-reinforced rubbers. These microscopic filler dynamics are correlated with the macroscopic stress relaxation of the filled materials. The combination of static and dynamic X-ray scattering techniques with rheological measurements is a powerful approach for elucidating the microscopic mechanisms of rubber reinforcement.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».