MétaCan
Menu
Retour à la cohorte
Enregistrement W4200552788 · doi:10.1002/pen.25871

High‐performance thermal insulator based on polymer foam and silica xerogel

2021· article· en· W4200552788 sur OpenAlexaff
Shinsuke Nagamine, Masahiro Ohshima, Denis Rodrigue

Notice bibliographique

RevuePolymer Engineering and Science · 2021
Typearticle
Langueen
DomaineChemistry
ThématiqueAerogels and thermal insulation
Établissements canadiensUniversité Laval
Organismes subventionnairesAdvanced Low Carbon Technology Research and Development Program
Mots-clésMaterials scienceMethyltrimethoxysilaneNanoporousChemical engineeringSol-gelThermal insulationThermal conductivityComposite materialPolymerScanning electron microscopeNanotechnology

Résumé

récupéré en direct d'OpenAlex

Abstract In this work, methyltrimethoxysilane (MTMS) was used as a precursor, n‐hexadecyltrimethylammonium bromide (CTAB) as a surfactant, and EtOH/H 2 O as a co‐solvent, while 10 mM HCl and urea were used as acid and base catalysts to prepare silica xerogels and xerogel inside the cells of a polyethylene (PE) foam via a sol–gel process combined with ambient pressure drying. The xerogels and PE‐silica xerogel foams were characterized by scanning electron microscope (SEM), Brunauer–Emmett–Teller method (BET), and thermal conductivity. The results indicate that the xerogels have a three‐dimensional nanoporous structure, and the specific surface areas of the SiO 2 xerogel and PE‐xerogel foam are 536 and 377 m 2 /g, respectively. The PE‐xerogel foam exhibited very low thermal conductivity (22–24 mW/m.K) compared with conventional insulation materials on the market (30–50 mW/m.K). The thermal insulation properties of PE‐silica xerogels were increased by 45% and 49% compared with neat PE foam. Additionally, the compressive modulus and density of the PE‐xerogel foam was increased by the presence of the silica xerogel. These PE‐xerogel foams are believed to be excellent candidates for thermal insulation applications in terms of cost/performance.

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 enseignants0,204
Score d'incertitude au seuil0,488

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 technologies0,0000,000
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 Opus0,007
Tête enseignante GPT0,194
Écart entre enseignants0,187 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymer Engineering and ScienceMême sujetAerogels and thermal insulationTravaux en français237 207