MétaCan
Menu
Retour à la cohorte
Enregistrement W3175765034 · doi:10.1038/s41598-021-92663-5

Microstructural evidence of the toughening mechanisms of polyurethane reinforced with halloysite nanotubes under high strain-rate tensile loading

2021· article· en· W3175765034 sur OpenAlexafffund
Rafaela Aguiar, Ronald E. Miller, Oren E. Petel

Notice bibliographique

RevueScientific Reports · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueClay minerals and soil interactions
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceHalloysiteComposite materialNanocompositeScanning electron microscopeUltimate tensile strengthMicrostructureCrystallinityToughnessFracture toughness

Résumé

récupéré en direct d'OpenAlex

In this study, we have investigated the relationship between the spherulitic morphology and the dynamic tensile response of polyurethane reinforced with Halloysite nanotubes (HNTs). The polyurethane prepolymer is partially silane end-capped and filled with only 0.8 wt.% of acid-treated Halloysite nanotubes. The resultant nanocomposite material presents a 35% higher spall strength compared to the neat polyurethane and 21% higher fracture toughness. We show evidence that the HNTs are not the toughening phase in the nanocomposite, but rather it is their influence on the resultant spherulitic structures which alters the polymer microstructure and leads to a tougher dynamic response. Microstructural characterization is performed via Scanning Electron Microscopy, Atomic Force Microscopy and Field Emission Scanning Electron Microscopy, and crystallinity examination via X-ray diffraction. The spherulitic structures present a brittle fracture character, while the interspherulitic regions are more ductile and show large deformation. The nanocomposite presents a finer and more rigid spherulitic structure, and a more energy dissipative fracture mechanism characterized by a rougher fracture surface with highly deformed interspherulitic regions.

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)0,001
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 enseignants0,007
Score d'incertitude au seuil0,520

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,258
Écart entre enseignants0,236 · 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

Citations14
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetClay minerals and soil interactionsTravaux en français237 207