Highly Stretchable, Repairable, and Tough Nanocomposite Hydrogel Physically Cross‐linked by Hydrophobic Interactions and Reinforced by Surface‐Grafted Hydrophobized Cellulose Nanocrystals
Notice bibliographique
Résumé
Abstract Highly stretchable, repairable, and tough nanocomposite hydrogels are designed by incorporating hydrophobic carbon chains to create first‐layer cross‐linking among the polymer matrix and monomer‐modified polymerizable yet hydrophobic nanofillers to create second‐layer strong polymer‐nanofiller clusters involving mostly covalent bonds and electrostatic interactions. The hydrogels are synthesized from three main components: hydrophobic monomer DMAPMA‐C18 by reacting N ‐[3‐(dimethylamino)propyl]methacrylamide] (DMAPMA) with 1‐bromooctadecane, monomer N , N ‐dimethylacrylamide (DMAc), and monomer‐modified polymerizable hydrophobized cellulose nanocrystal(CNC‐G) obtained by reacting CNC with 3‐trimethoxysily propyl methacrylate. The polymerization of DMAPMA‐C18 and DMAc and physical cross‐linking due to the hydrophobic interactions between C18 chains make DMAPMA‐C18/DMAc hydrogel. The additional introduction of CNC‐G brings more interactions into the final hydrogel (DMAPMA‐C18/DMAc/CNC‐G): the covalent bonds between CNC‐G and DMAPMA‐C18/DMAc, hydrophobic interactions, electrostatic interactions between negatively charged CNC‐G and positively charged DMAPMA‐C18, and hydrogen bonds. The optimum DMAPMA‐C18/DMAc/CNC‐G hydrogel exhibits excellent mechanical performance with elongation stress of 1085 ± 14 kPa, strain of 4106 ± 311%, toughness of 3.35 × 10 4 kJ m −3 , Young's modulus of 844 kPa, and compression stress of 5.18 MPa at 85% strain. Besides, the hydrogel exhibits good repairability and promising adhesive ability (83–260 kN m −2 toward various surfaces).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».