MétaCan
Menu
Retour à la cohorte
Enregistrement W4386158391 · doi:10.1021/acsomega.3c01202

Effect of Photoinitiators Doped in PDMS for Femtosecond-Laser Writing: Characterization and Outcomes

2023· article· en· W4386158391 sur OpenAlexafffund
A. R. Hlil, Jean-Sébastien Boisvert, Hatem M. Titi, Yalina García‐Puente, Wagner Correr, Sébastien Loranger, Jyothis Thomas, Ali Riaz, Younès Messaddeq, Raman Kashyap

Notice bibliographique

RevueACS Omega · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser Material Processing Techniques
Établissements canadiensMcGill UniversityPolytechnique MontréalUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials sciencePolydimethylsiloxaneFemtosecondPhotopolymerPhotoinitiatorLaserPolymerRefractive indexComposite materialBenzophenonePolymer chemistryOptoelectronicsOpticsPolymerization

Résumé

récupéré en direct d'OpenAlex

Herein, we have characterized in depth the effect of femtosecond (fs)-laser writing on various polydimethylsiloxane (PDMS)-based composites. The study combines systematic and nanoscale characterizations for the PDMS blends that include various photoinitiators (organic and inorganic agents) before and after fs-laser writing. The results exhibit that the photoinitiators can dictate the mechanical properties of the PDMS, in which Young's modulus of PDMS composites has higher elasticity. The study illustrates a major improvement in refractive index change by 15 times higher in the case of PDMS/BP-Ge [benzophenone (BP) allytriethylgermane] and Irgacure 184. Additional enhancement was achieved in the optical performance levels of the PDMS composites (the PDMS composites of Irgacure 184/500, BP-Ge, and Ge-ATEG have a relative difference of less than 5% in comparison with pristine PDMS), which are on par with glasses. This insightful study can guide future investigators in choosing photoinitiators for particular applications in photonics and polymer chemistry.

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)0,000
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 enseignants0,026
Score d'incertitude au seuil0,384

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,258
Écart entre enseignants0,248 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueACS OmegaMême sujetLaser Material Processing TechniquesTravaux en français237 207