MétaCan
Menu
Retour à la cohorte
Enregistrement W4380488797 · doi:10.1002/app.54256

Gas barrier properties of polyurethane nanocomposites

2023· article· en· W4380488797 sur OpenAlexaff
Shruti Pandey, Pralay Maiti, Karun Kumar Jana, Dipak Rana, Vinod K. Aswal

Notice bibliographique

RevueJournal of Applied Polymer Science · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Nanocomposites and Properties
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesInter-University Accelerator Centre
Mots-clésNanocompositeMaterials scienceComposite materialPolyurethaneComposite numberToughnessDispersion (optics)Oxygen permeabilityFourier transform infrared spectroscopyModulusChemical engineeringOxygenChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Polyurethane nanocomposites with varying concentration of different fillers are produced through hot melt extrusion by using nanotalc and Cloisite 30B as fillers. The TEM images show good dispersion of 30B while moderate agglomeration in nanotalc composite. The result is supported by the respective nanostructures (exfoliated in 30B vs. intercalated in nanotalc composites). A slight decrease in degradation temperature is observed but the nanocomposites are thermally stable upto 300°C. Permeability significantly decreases for nanocomposites. Young's modulus increases with increasing filler concentration while the toughness improvement exhibits a maximum at 4 and 6 wt% of 30B and nanotalc, respectively. Halpin–Tsai model is employed to predict the mechanical properties of the composites. The mechanical, thermal and gas barrier properties are better in 30B as compared to nanotalc nanocomposites, due to greater interaction in 30B nanocomposites evident from the large shift of peak position in UV–vis and FTIR measurements along with its good dispersion.

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 enseignants0,007
Score d'incertitude au seuil0,538

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,017
Tête enseignante GPT0,230
Écart entre enseignants0,214 · 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Polymer ScienceMême sujetPolymer Nanocomposites and PropertiesTravaux en français237 207