MétaCan
Menu
Retour à la cohorte
Enregistrement W4393193608 · doi:10.1002/smll.202400580

Liquidlike, Low‐Friction Polymer Brushes for Microfibre Release Prevention from Textiles

2024· article· en· W4393193608 sur OpenAlexafffund
Sudip Kumar Lahiri, Zahra Azimi Dijvejin, Farzan Gholamreza, Sadaf Shabanian, Behrooz Khatir, Lauren Wotherspoon, Kevin Golovin

Notice bibliographique

RevueSmall · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicroplastics and Plastic Pollution
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaUniversity of Toronto
Organismes subventionnairesConnaught FundUniversity of TorontoCanada Foundation for Innovation
Mots-clésRubbingPolyesterMaterials scienceTextileComposite materialCoatingPolymerTribologyWater repellentMicrofiberPalygorskiteLayer (electronics)Friction coefficientSynthetic fiberPolymer scienceFiberChemistryOrganic chemistryAdsorption

Résumé

récupéré en direct d'OpenAlex

During synthetic textile washing, rubbing between fibres or against the washing machine, exacerbated by the elevated temperature, initiates the release of millions of microplastic fibres into the environment. A general tribological strategy is reported that practically eliminates the release of microplastic fibres from laundered apparel. The two-layer fabric finishes combine low-friction, liquidlike polymer brushes with "molecular primers", that is, molecules that durably bond the low-friction layers to the surface of the polyester or nylon fabrics. It is shown that when the coefficient of friction is below a threshold of 0.25, microplastic fibre release is substantially reduced, by up to 96%. The fabric finishes can be water-wicking or water-repellent, and their comfort properties are retained after coating, indicating a tunable and practical strategy toward a sustainable textile industry and plastic-free oceans and marine foodstuffs.

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 enseignants0,397
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)0,0010,001

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 Opus0,011
Tête enseignante GPT0,213
Écart entre enseignants0,203 · 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

Citations17
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSmallMême sujetMicroplastics and Plastic PollutionTravaux en français237 207