MétaCan
Menu
Retour à la cohorte
Enregistrement W4224219384 · doi:10.1088/1748-3190/ac6921

Biomimetic bi-material designs for additive manufacturing

2022· article· en· W4224219384 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBioinspiration & Biomimetics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensNational Research Council Canada
Organismes subventionnairesNational Research Council Canada
Mots-clésMaterials scienceStiffnessToughnessBrittlenessBendingMaterial DesignComposite materialFlexural strengthStructural engineeringMaterial propertiesBending stiffnessEngineering

Résumé

récupéré en direct d'OpenAlex

Superior material properties have been recently exhibited under the concept of biomimetic designs, where the material architectures are inspired by nature. In this study, a computational framework is developed to present novel architectured bi-material structures with tunable stiffness, strength, and toughness to be used for additive manufacturing (AM). The structure of natural nacre is mimicked to design robust multilayered structures constructed from hexagonal brittle and hard building blocks bonded with soft materials and supports. A set of computational models consisting of fully bonded zones, while allowing for interlayer interactions are created to accurately mimic the interplay between the hard and soft organic phases. As required for such complex designs, the numerical constraints are properly set to run quasi-static non-linear explicit analysis, which allow for a 3× faster analysis with higher efficiency and 2× lower computational cost, when compared to static analysis. The models are used to assess the stiffness, strength and toughness of bi-material beams when subjected to a flexural three-point bending load. The influence of structural features like the soft-to-hard volume ratio (i.e. the distance between each building block, its aspect ratio, and overlap length), material features (e.g. the stiffness ratio of the hard-to-soft phases), the plastic strain failure of soft phase, and AM features (e.g. different types of within-layer/sandwiched supports) are systematically investigated. The results revealed that the toughness of the architectured beams was enhanced by up to 25% when compared to a monolithic structure. This improvement is due to the frictional tile sliding in the brittle phase and the extensive shear plastic deformation of the soft interfaces. This work provides compatible designs to facilitate the AM of nacre-based bi-martial structures with balanced/tailored mechanical performance and to understand the influence of the architectural parameters.

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 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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,286
Score d'incertitude au seuil1,000

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)0,0010,000

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 Opus0,026
Tête enseignante GPT0,228
Écart entre enseignants0,202 · 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