Controlling the Water Diffusion Inside Smart 4D‐Printed HBC by Functional Channels
Notice bibliographique
Résumé
Abstract Hydromorph Biocomposites (HBCs) are self‐shaping materials whose motions are actuated by moisture‐induced swelling of natural fibers and designed through a multilayered bioinspired material architecture. Their reactivity, i.e., kinetic of actuation, is relatively slow and is currently limited by the moisture transport. Porosities are commonly assumed to be a defect in composite materials that results in reduced mechanical performance. However, in biological structures porosities within the tissue architecture provide essential functions (lightness, moisture transport, and actuation). Inspired by biological mesostructures, a 3D‐printing process is applied to precisely define the architecture of an HBC that incorporates functional porosities, i.e., channels. The purpose is to improve the moisture‐induced actuation reactivity without compromising any other functional performance. First, 3D‐printed wood fiber‐reinforced biocomposites are designed with various channel content (from 0% to 10%), size (from 0.5 to 3.0 mm), and distribution patterns across the samples. Immersed in water, these novel HBCs with tailored channel structures fasten the water transport by triggering capillary transport. The presented results demonstrate that implementing functional channels in the mesostructure of 4D‐printed HBC bilayers makes it possible to achieve an eight‐fold improvement in the speed of shape‐change transformation while enabling new capabilities to functionally tune the morphing performance of HBCs.
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) | 0,000 | 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) | 0,001 | 0,001 |
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.
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 ».