A predictor for fatigue crack nucleation in neutral hydrogels consideringwater diffusion effect
Notice bibliographique
Résumé
Due to excellent biocompatibility and superior flexibility, hydrogels have shown promise in extensive applications, including soft robotics, drug delivery, and tissue engineering, etc. When hydrogels are subjected to cyclic loads, they are susceptible to fatigue. For durable use of hydrogel instruments, it is essential to investigate their fatigue behaviors. Typical approaches to studying the fatigue of soft materials are based on crack nucleation and crack growth. Most existing work focuses on experimental characterization of crack growth under mechanical loads. However, very few models are proposed for predicting the fatigue damage of hydrogels from the perspective of crack nucleation. Moreover, there is limited work taking into account the impact of water diffusion on the crack nucleation of hydrogels. The present work will develop a fatigue life predictor for the fatigue crack nucleation of single-network neutral hydrogels and unveil the water diffusion effect on fatigue. Borrowing the concept of fatigue crack nucleation from rubber-like materials, the predictor is developed in the framework of configurational mechanics. With the developed predictor, case studies show that water absorption contributes to the fatigue of hydrogels and decreases their fatigue life. The swelling-induced fatigue damage increases with the increase of water content from both the preparation and the loading processes. In addition, the swelling-induced fatigue damage exhibits a rate-dependent trend, i.e., slow deformation induces more fatigue damage than rapid deformation due to more sufficient time for water diffusion. The predictor is capable of estimating the fatigue damage of hydrogels under different loading conditions, providing guidance on designing the loading profiles to improve their fatigue life. Furthermore, by incorporating material viscosity and multiphysics coupling theories, the proposed modeling framework can be further expanded to investigate the fatigue of many other hydrogels, like double-network and stimuli-sensitive hydrogels.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».