MétaCan
Menu
Retour à la cohorte
Enregistrement W4401646681 · doi:10.1002/admi.202400301

Graphitization on Natural Biopolymer Shellac: Toward Substrate Independent Coatings and a Recyclable Flexible Heater

2024· article· en· W4401646681 sur OpenAlexaff
Sai Kumar Pavar, Srinivasan Madapusi, Sushanta K. Mitra, Sanket Goel

Notice bibliographique

RevueAdvanced Materials Interfaces · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesBirla Institute of Technology and Science, Pilani
Mots-clésShellacBiopolymerMaterials scienceSubstrate (aquarium)Natural polymersNanotechnologyNatural (archaeology)Polymer scienceComposite materialChemical engineeringPolymerCoatingEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Extraction of graphene and graphene derivatives from non‐toxic, biocompatible, eco‐friendly, and biodegradable resources with a one‐step production process is a challenge. This work is the first attempt at the one‐step graphenization of Shellac, a biopolymer derived from natural resources, achieved using direct laser patterning. Interestingly, the process highlights substrate independence by producing reduced graphene oxide (rGO) from multiple substrates, such as glass slides, Copper (Cu) adhesive tape, and overhead projector (OHP) plastic films. The produced rGO is fully characterized, and it is found that the sheet resistance is as low as 5.4., 24.65, and 8.4 Ω Sq−1. on the glass slide, OHP plastic sheet, and Cu adhesive, respectively. Moreover, developing various logos on resin‐coated ceramic tiles demonstrated the possibility of patterning desired conductive rGO patterns. Furthermore, a recyclable flexible rGO/Shellac heater is fabricated to validate its electrothermal performance (117.3 °C at 9.5 V) with foldable stability. The proposed one‐step substrate independent two‐material fabrication will revolutionize the process, potentially replacing conventional toxic routes of graphene production.

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 Opus0,011
Tête enseignante GPT0,235
Écart entre enseignants0,224 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Materials InterfacesMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207