MétaCan
Menu
Retour à la cohorte
Enregistrement W4292651777 · doi:10.21203/rs.3.rs-1907263/v1

SiO2 aerogel multiscale reinforced by glass fibers and SiC nanowhiskers for thermal insulation

2022· preprint· en· W4292651777 sur OpenAlexaff
Qiong Wu, Lixia Yang, Zhaofeng Chen, Mengmeng Yang, Tianlong Liu, Manna Li, Phalguni Mukhopadhyaya

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineChemistry
ThématiqueAerogels and thermal insulation
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Key Research and Development Program of ChinaNanjing UniversityNanjing University of Aeronautics and AstronauticsNational Natural Science Foundation of China
Mots-clésAerogelMaterials scienceThermal conductivityComposite materialThermal insulationHeat transferThermal

Résumé

récupéré en direct d'OpenAlex

Abstract SiO 2 aerogel attracts much interest as thermal insulation material due to ultra-low density and excellent thermal performance at room temperature. However, the poor mechanical property and a mass of heat transfer by radiation in high temperature limit application of aerogels. Herein, a novel aerogel composites multiscale reinforced by glass fibers with SiC nanowhiskers (SiC nw ) (AFW) was prepared. SiC nw were evenly distributed in glass fibers felts by freezing-drying method to form a uniform multiscale felts. The SiC nw inside felts provided more contact point with aerogel to increase the interfacial adhesion force so that compressive stress of AFW with 4% volume fraction SiC nw was increased to 0.29MPa. SiC nw blocked infrared radiation to decrease the heat transfer. Therefore, Even though SiC nw raised thermal conductivity of aerogels at room temperature, thermal conductivity at 500℃ of AFW with was only 0.040 W/(m·K). In another word SiC nw reduced the sensitivity of thermal conductivity to temperature. AFW shows potential in the field of medium and high temperature insulation.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,710
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,046
Tête enseignante GPT0,356
Écart entre enseignants0,309 · 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.

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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetAerogels and thermal insulationTravaux en français237 207