Gradient‐Interpenetrating Polymer Networks in 3D Printed Lattices for Tunable and Enhanced Energy Absorption
Notice bibliographique
Résumé
Abstract 3D printing provides the potential to enhance mechanical properties by fabricating complex structures with diverse materials; however, most high‐resolution 3D printing techniques require custom printers to incorporate multiple materials and/or result in poor material interfacial bonding. Here, energy absorption properties are enhanced with 3D lattice structures fabricated via vat photopolymerization comprising multiple materials forming a gradient‐interpenetrating polymer network (gradient‐IPN). The gradient‐IPN is incorporated by swelling the 3D printed elastomeric lattice in a photoresin that yields a stiff shell‐soft core structure. This straightforward post‐3D printing technique delivers an unprecedented degree of structural property customization through polymer gradients in lattice struts with shells of tunable stiffness and flexible elastomeric cores to achieve a broad continuum spectrum of mechanical properties within one simple system. The gradient aids in the distribution of stress and limits fracture between materials typically observed in multimaterial lattices. The gradient‐IPN lattices are fully recoverable and exhibit over 4 to 33 times higher toughness after compression, compared to copolymer (same composition as the gradient‐IPN) or purely elastomeric lattices, respectively. This highly versatile approach to modifying 3D printed lattices yields the unique combination of load bearing capabilities with viscoelasticity desirable for high performance materials in impact protection.
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) | 0,000 | 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 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 ».