MétaCan
Menu
Retour à la cohorte
Enregistrement W4327750038 · doi:10.15251/djnb.2023.181.315

Preparation and anti-biological adhesion performance evaluation of ZNO@PSBMA super hydrophilic coating

2023· article· en· W4327750038 sur OpenAlexaff
G. Q. Xu, Chenshi Li, Chunyu Wang, Z. Y. Xue, Fuhao Liang, Xiaoping Shen, J. J. Wang, A. Amirfazli

Notice bibliographique

RevueDigest Journal of Nanomaterials and Biostructures · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Surface Interaction Studies
Établissements canadiensYork University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésCoatingMaterials scienceAqueous solutionSuperhydrophilicitySubstrate (aquarium)ZincChemical engineeringDispersion (optics)AdhesionComposite materialMetallurgyChemistryOrganic chemistryContact angle

Résumé

récupéré en direct d'OpenAlex

In this study, zinc oxide (ZnO) nanoparticles were modified by means of dispersion using a γ-aminopropyl triethoxysilane coupling agent (KH550), obtaining KH550-ZnO. Then a certain amount of SBMA powder was put into the KH550-ZnO solution, and the ensuing polymerization reaction produced super hydrophilic PSBMA-KH550-ZnO powder. Finally, several polished aluminum sheets were immersed in the PSBMA-KH550-ZnO aqueous solution to start deposition. Upon completion of the deposition, the aluminum sheets were taken out and dried to obtain samples of the ZnO@PSBMA super hydrophilic coating. The structure, morphology and chemical composition of the powders and coatings were investigated by SEM, IR and EDS. The dispersion of KH550-ZnO in aqueous solution was analyzed. The results show that the particle size of KH550-ZnO decreases greatly in aqueous solution. The substrate can be superhydrophilic when deposited in PSBMA-KH550-ZnO aqueous solution for 130 minutes,After 48 hours of coating deposition, the compactness, roughness and friction resistance of the coating are greatly improved. ZnO@PSBMA superhydrophilic coating has good anti-protein, anti-bacterial and anti-algal adhesion properties.

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 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 enseignants0,219
Score d'incertitude au seuil0,320

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 technologies0,0000,000
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 Opus0,042
Tête enseignante GPT0,324
Écart entre enseignants0,282 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigest Journal of Nanomaterials and BiostructuresMême sujetPolymer Surface Interaction StudiesTravaux en français237 207