MétaCan
Menu
Retour à la cohorte
Enregistrement W3167502948 · doi:10.11159/tann21.124

Deposition of Silver Nanoparticles on Silicone hydrogels by UsingLaser-Assisted Process

2021· article· en· W3167502948 sur OpenAlexafffund
Vishnuvardhana Wuppaladhodi, Jin Zhang

Notice bibliographique

RevueProceedings of the International Conference of Theoretical and Applied Nanoscience and Nanotechnology · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser-Ablation Synthesis of Nanoparticles
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNanoparticleMaterials scienceDeposition (geology)SiliconeProcess (computing)Silver nanoparticleSelf-healing hydrogelsNanotechnologyChemical engineeringComposite materialComputer sciencePolymer chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Silicone hydrogels have been extensively used in biomedical applications. However, protein adsorption and bacterial contamination are the major drawbacks of silicone hydrogel due to their hydrophobic property. Matrix assisted pulsed laser evaporation (MAPLE) has shown the capability for depositing soft marerials like organic and biomolecules. In this paper, we use MAPLE processes to deposit silver nanoparticles (Ag NPs) modified with polyvinylpyrrolidone (PVP) on silicone. The average particle size of Ag nanoparticles deposited by MAPLE was estimated at 153 nm. The mechanical properties of the nanocomposite coated silicone hydrogel were investigated and the value of Young's modulus was found to be 0.62 MPa. Moreover the protein adsorption on the nanocomposite coated silicone hydrogel formed by two step was found to be 14.109 g/cm 2 .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,239
Score d'incertitude au seuil0,413

Scores Codex et Gemma par catégorie

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,011
Tête enseignante GPT0,218
Écart entre enseignants0,207 · 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 tête enseignante, 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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the International Conference of Theoretical and Applied Nanoscience and NanotechnologyMême sujetLaser-Ablation Synthesis of NanoparticlesTravaux en français237 207