Additive manufacturing of polymer derived ceramics: Materials, methods, and applications
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Owing to freedom of design, simplicity, and ability to handle complex structures, additive manufacturing (AM) or 3D printing of ceramics represents a promising enabling technology and has already been used to produce geometrically complex ceramic components and ceramic metamaterials. Consequently, novel applications for additively manufactured ceramics, which leverage their structural, high temperature, and chemical-resistant properties, have been proposed in areas ranging from electrical engineering and micro/nanoelectronics to chemical engineering to biology. Polymer derived ceramics (PDCs) represent a relatively new class of materials within additive manufacturing. PDCs enable the development of ceramic parts patterned via low-cost polymer 3D printing methods followed by pyrolysis in a high temperature process in which the polymer itself forms a ceramic often in the absence of any ceramic filler. PDCs have served as a feedstock for various 3D printing techniques for which a wide range of physiochemical factors can be tailored to optimize the ceramic manufacturing processes. In particular, the silicon and carbon-rich polymeric microstructure of PDCs offers a high degree of tunability and potential to achieve a closely defined combination of functional, thermomechanical, and chemical properties. In this review, we cover mechanisms underlying the design and manufacture of ceramics via 3D printing and pyrolysis of preceramic polymers, focusing on chemical formulations, printing technologies, and the mechanical performance of the ceramic network from microscale to scale. We also summarize experimental data from the literature and present qualitative and quantitative comparisons between different AM routes to provide a comprehensive review for 3D printing of PDCs and to highlight potential future research.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle