MétaCan
Menu
Retour à la cohorte
Enregistrement W4400188845 · doi:10.1016/j.compositesb.2024.111680

Dispersion Strategy improves the mechanical properties of 3D-Printed biopolymer nanocomposite

2024· article· en· W4400188845 sur OpenAlexafffund
Dibakar Mondal, Thomas L. Willett

Notice bibliographique

RevueComposites Part B Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchCanada Foundation for InnovationOntario Research Foundation
Mots-clésMaterials scienceBiopolymerNanocompositeComposite materialDispersion (optics)Polymer

Résumé

récupéré en direct d'OpenAlex

Homogenous dispersion of nanoparticles in polymer matrices is a technical challenge that if overcome can lead to improved mechanical properties of the resulting nanocomposites. In this work, we successfully refined commercially-available nanoscale, calcium deficient, and poorly crystalline hydroxyapatite (nHA) particles and composited them with acrylate and methacrylate functionalized soybean oil (mAESO) and triethylene glycol dimethacrylate (TEGDMA) producing inks for masked stereolithography (mSLA) -based 3D printing. First, we used shear mixing and ultrasonication on nHA/ethanol mixtures to break down agglomerates and then separated the finest nanoparticles from the remaining agglomerates using centrifugation. The refined nanoparticles (termed fine) were then mixed with the resins and UV-initiator to produce inks for 3D printing. Similarly, we prepared one ink using as-purchased nHA particles (termed raw) and another ink using leftover agglomerates after refinement (termed coarse). We compared the rheological properties of the nHA-resin inks. We used mSLA to fabricate nanocomposite specimens and tested them using flexural, and Mode-I fracture toughness testing following ASTM standards. The dispersion of nanoparticles in the polymer matrix was studied by analyzing backscattered mode scanning electron microscopy images. The nHA particle refinement improved the nanoparticle dispersion in the resin matrix while also increasing the viscosity and shear yield strength of the nanocomposite ink. The flexural fracture strength, flexural modulus, and Mode-I fracture toughness of refined nHA-based nanocomposites were increased by 11 %, 71 %, and 12 %, respectively compared to the raw nHA-based nanocomposites. However, the flexural fracture strain of refined nHA-based nanocomposites was lower by 40 % compared to the raw nHA-based nanocomposites. The nanocomposites became stiffer with the incorporation of refined nanoscale nHA. The separation of nanoscale nHA particles, excellent dispersion of these nanoparticles in polymer matrix, and improved flexural strength and modulus opens a new avenue towards the 3D printing of high-performance nHA-based nanocomposites.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,200
Écart entre enseignants0,189 · 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 source (Gemma direct ou Codex distillé), 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

Citations9
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueComposites Part B EngineeringMême sujetBone Tissue Engineering MaterialsTravaux en français237 207