MétaCan
Menu
Retour à la cohorte
Enregistrement W3137345006 · doi:10.3390/jcs5030091

Effect of Graphene Oxide as a Reinforcement in a Bio-Epoxy Composite

2021· article· en· W3137345006 sur OpenAlexafffund
Anthony Loeffen, Duncan Cree, Mina Sabzevari, Lee D. Wilson

Notice bibliographique

RevueJournal of Composites Science · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEpoxyMaterials scienceThermogravimetric analysisGrapheneComposite materialFlexural strengthUltimate tensile strengthDifferential scanning calorimetryScanning electron microscopeThermal stabilityGlass transitionFourier transform infrared spectroscopyDynamic mechanical analysisFlexural modulusOxideComposite numberPolymerChemical engineeringChemistryOrganic chemistryNanotechnology

Résumé

récupéré en direct d'OpenAlex

Graphene oxide (GO) has gained interest within the materials research community. The presence of functional groups on GO offers exceptional bonding capabilities and improved performance in lightweight polymer composites. A literature review on the tensile and flexural mechanical properties of synthetic epoxy/GO composites was conducted that showed differences from one study to another, which may be attributed to the oxidation level of the prepared GO. Herein, GO was synthesized from oxidation of graphite flakes using the modified Hummers method, while bio-epoxy/GO composites (0.1, 0.2, 0.3 and 0.6 wt.% GO) were prepared using a solution mixing route. The GO was characterized using Fourier transform infrared (FTIR) spectroscopy, scanning electron microscopy (SEM) and transmission electron microscope (TEM) analysis. The thermal properties of composites were assessed using thermogravimetric analysis (TGA) and differential scanning calorimetry (DSC). FTIR results confirmed oxidation of graphite was successful. SEM showed differences in fractured surfaces, which implies that GO modified the bio-epoxy polymer to some extent. Addition of 0.3 wt.% GO filler was determined to be an optimum amount as it enhanced the tensile strength, tensile modulus, flexural strength and flexural modulus by 23, 35, 17 and 31%, respectively, compared to pure bio-epoxy. Improvements in strength were achieved with considerably lower loadings than traditional fillers. Compared to the bio-epoxy, the 0.6 wt.% GO composite had the highest thermal stability and a slightly higher (positive) glass transition temperature (Tg) was increased by 3.5 °C, relative to the pristine bio-epoxy (0 wt.% GO).

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 seuil0,002

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 Opus0,009
Tête enseignante GPT0,305
Écart entre enseignants0,296 · 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

Citations26
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Composites ScienceMême sujetGraphene research and applicationsTravaux en français237 207