Poly(dimethyl siloxane) bimodal brush: Simple method of preparation and performance enhancement of omniphobic coatings
Notice bibliographique
Résumé
• PDMS bimodal brushes show improved dynamic dewetting over unimodal brushes. • Bimodal brushes reduce sliding angles, enhancing repellency, wear resistance, and flexoprinting. • Bimodal brush coatings are cost-effective to produce. End-tethered chains in a polymer brush usually have a unimodal length distribution and are commonly prepared using ’graft-from’ or ’graft-to’ methods. This paper introduces a novel self-assembly technique to create an epoxy-bearing ladder-like polysilsesquioxane (L) coating with a bimodal poly(dimethyl siloxane) (PDMS) surface brush. The process begins with synthesizing L#k, which consists of L with a minor fraction of a graft ( g ) copolymer (L- g -#k), where #k represents PDMS with a number-average molecular weight of 2.0, 5.0, or 10.0 kDa. The coating is made by casting a solution of two L#k samples mixed with a photoinitiator, allowing solvent evaporation, and then photocuring the film. During solvent evaporation, PDMS chains that are grafted to L and are of two different lengths migrate to the surface, forming a bimodal PDMS brush that reduces surface energy. PDMS layer thicknesses determined from atomic force microscopy (AFM) and cross-sectional analyses confirm brush formation from different polymer mixtures. The L coating with bimodal PDMS brushes shows reduced water and organic solvent sliding angles, enhanced graffiti paint repellency, and improved wear resistance compared to coatings bearing unimodal PDMS brushes. This study highlights a facile approach to creating bimodal polymer brushes with self-cleaning properties and potential applications in fields like flexographic printing.
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 | 0,001 | 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 ».