MétaCan
Menu
Retour à la cohorte
Enregistrement W4387571447 · doi:10.3390/polym15204063

A Strong, Tough and Fire-Retardant Biomimetic Multifunctional Wooden Laminate

2023· article· en· W4387571447 sur OpenAlexaff
Xiaoshuai Han, Xiaoyi Wang, Wei Tian, Yuli Wang, Jiangbo Wang, Frank Lam, Shaohua Jiang

Notice bibliographique

RevuePolymers · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueFlame retardant materials and properties
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMinistry of Education of the People's Republic of China
Mots-clésFire retardantMaterials scienceComposite materialUltimate tensile strengthToughnessResilience (materials science)Fire performanceFire resistance

Résumé

récupéré en direct d'OpenAlex

Mildly delignified wood showed a well-preserved wood cell wall framework, and its derived compressed materials demonstrate excellent mechanical properties and advanced functional material potential. Here, we proposed a simple yet effective approach for making strong, tough, and fire-retardant wooden laminate by a three-step process of mild delignification, infiltrating potassium nonafluoro-1-butanesulfonate (PFBS), and hot-pressing to densify the material. PFBS can be infiltrated into the micro/nano-structures of the mildly delignified wood to achieve a good flame-resistant protective barrier. Flame retardant tests showed that this strong, tough, and fire-retardant wooden laminate has a superior flame-retardant performance to natural wood. Additionally, the wooden laminate also exhibits a simultaneously enhanced tensile strength (175.6 MPa vs. 89.9 MPa for natural wood) and toughness (22.9 MJ m−3 vs. 10.9 MJ m−3 for natural wood). Given these attributes, the resulting wooden laminates are identified as promising candidates for high-performance structural applications, fulfilling stringent requirements for both mechanical resilience and flame-retardant efficacy.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,025
Score d'incertitude au seuil1,000

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)0,0020,001

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 Opus0,022
Tête enseignante GPT0,236
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetFlame retardant materials and propertiesTravaux en français237 207