Towards unraveling the moisture-induced shape memory effect of wood: the role of interface mechanics revealed by upscaling atomistic to composite modeling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The moisture-induced shape memory effect (SME) is one of the most intriguing phenomena of wood, where wood can stably retain a certain deformed shape and, upon moisture sorption, can recover the original shape. Despite the long history of wood utilization, the SME is still not fully understood. Combining molecular dynamics (MD) and finite-element (FE) modeling, a possible mechanism of the SME of wood cell walls is explored, emphasizing the role of interface mechanics, a factor previously overlooked. Interface mechanics extracted from molecular simulations are implemented in different mechanical models solved by FEs, representing three configurations encountered in wood cell walls. These models incorporate moisture-dependent elastic moduli of the matrix and moisture-dependent behavior of the interface. One configuration, denoted as a mechanical hotspot with a fiber–fiber interface, is found to particularly strengthen the SME. Systematic parametric studies reveal that interface mechanics could be the source of shape memory. Notably, upon wetting, the interface is weak and soft, and the material can be easily deformed. Upon drying, the interface becomes strong and stiff, and composite deformation can be locked. When the interface is wetted again and weakened, the previously locked deformation cannot be sustained, and recovery occurs. The elastic energy and topological information stored in the cellulose fiber network is the driving force of the recovery process. This work proposes an interface behaving as a moisture-induced molecular switch.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 découle