MétaCan
Menu
Retour à la cohorte
Enregistrement W4322630314 · doi:10.5539/jmsr.v12n1p1

An Improved Model for Estimation of Mechanical Properties of Polymer-Clay Nano-Composites

2023· article· en· W4322630314 sur OpenAlexvenueno aff
Abdulhamid Al-Abduljabbar

Notice bibliographique

RevueJournal of Materials Science Research · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Nanocomposites and Properties
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceExfoliation jointComposite materialUltimate tensile strengthNanocompositePolymerModulusNanometreComposite numberMatrix (chemical analysis)Filler (materials)Polymer clayPolymer nanocompositeGrapheneNanotechnology

Résumé

récupéré en direct d'OpenAlex

Polymer-clay nanocomposites are more popular in many industries and applications due to improved mechanical and gas barrier properties over pure polymers and classical polymer-based composites. The mechanism by which clay platelets, with thicknesses in the nanometer range, as opposed to the hundred-nanometer range in the other two dimensions, introduce the mechanical and other properties improvement can be attributed to their high efficiency in creating discontinuities to flows through the bulk matrix polymer material. However, the extent of this improvement depends on the success of separation or achieving full exfoliation of the clay platelets through the bulk matrix. Since such full exfoliation is not achievable experimentally, the aspect ratio of the filler particles is not a simple value that mathematical models employ to describe mechanical properties. In this work, a modification is proposed to improve such models by using relationships utilizing different concentrations of varying filler platelets thicknesses. The improvements in elastic tensile modulus are discussed with consideration of the effect of clay platelet inclusions geometry as depicted through the proposed modification to considered models to capture the effect of nano-platelets on the properties of the composite.

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)0,011
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,131
Score d'incertitude au seuil0,393

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,101
Tête enseignante GPT0,378
Écart entre enseignants0,277 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetPolymer Nanocomposites and PropertiesTravaux en français237 207