Autonomous Self‐Healing Elastomers with Unprecedented Adhesion Force
Notice bibliographique
Résumé
Abstract Self‐healable elastomers are extremely attractive due to their ability to prolong product lifetime. An additional function that could further expand their applications is strong adhesion force to clean and dusty surfaces. This study reports a series of autonomous self‐healable and highly adhesive elastomers (ASHA‐Elastomer) that are fabricated via a simple, efficient, and scalable process. The obtained elastomers exhibit outstanding mechanical properties with elongation at break up to 2102% and toughness (modulus of toughness) of 1.73 MJ m–3. The damaged ASHA‐Elastomer can autonomously self‐heal with full recovery of functionalities, and the healing process is not affected by the presence of water. The elastomers are found to possess an ultrahigh adhesion force up to 3488 N m−1, greatly outperforming previously reported self‐healing adhesive elastomers. Furthermore, the adhesion force of the ASHA‐Elastomer is negligibly affected by dust on the surface, in stark contrast with regular adhesive polymers that have adhesion strengths extremely sensitive to dust. The successful development of high‐toughness, autonomous self‐healable, and ultra‐adhesive elastomers will enable a wide range of applications with enhanced longevity and versatility, including their use in sealants, adhesives, and stretchable devices.
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) | 0,000 | 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) | 0,001 | 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 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 ».