Notice bibliographique
Résumé
Mechanical metamaterials have emerged as a new class of functional materials with unusual material properties.An important example of mechanical metamaterials is auxetic material with tunable negative Poisson's ratio.Such materials are attracting considerable interests due to their promising applications in various engineering sectors.Although enormous studies have been performed to present negative Poisson's ratio properties in various materials, research work on the auxetic behavior of graphene reinforced metal nanocomposites is still at its early stage.The present work develops a graphene origami structure to tune the negative Poisson's ratio in graphene reinforced metal nanocomposites.Various graphene origami structures, including Miura pattern, Waterbomb pattern, and Yoshimura pattern, are formed with the assistance of surface hydrogen functionalization in graphene sheet.The shape of the graphene origami can be tuned and controlled by changing the content and width of H adatoms in the creases.The designed graphene origami is embedded into a metal matrix to achieve the tunability of negative Poisson's ratio.Our results demonstrate that a higher content of graphene origami in composites can lead to a larger negative Poisson's ratio.In addition, the ambient conditions have considerable effects on the auxetic behaviors of metal/graphene metamaterials.To facilitate structural analysis and engineering design, a modified micromechanics model capable of accurately predicting the mechanical properties of the nanocomposites is also developed based on physics embedded machine learning technique.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».