A novel strategy for designing high-performance self-healing polysiloxane-polyurea composites enhanced by dopamine-grafted cellulose nanofibers and Zn2+
Notice bibliographique
Résumé
Inspired by natural mussels, a novel dopamine-grafted cellulose nanofiber (DA-CNF) functional filler and Zn 2+ were incorporated into polysiloxane-polyurea to create advanced composites for Internet of Things applications. Through experimental characterization, molecular dynamics (MD) simulations and finite element (FE) analysis, we thoroughly investigated the mechanism by which DA-CNF and Zn 2+ improve the mechanical and self-healing properties of the polymer. The innovative synergistic effect of extra-added dynamic hydrogen bonds and metal ion coordination bonds between the filler and matrix simultaneously enhanced mechanical strength and self-healing efficiency, overcoming the traditional trade-off problem in conventional polymers. The results showed that the tensile strength and healing efficiency of DA-CNF/PU@Zn 2+ were 198.89 % and 104.77 % of the value of the control sample, respectively. This performance significantly surpasses that of previously reported self-healing polydimethylsiloxane-based materials. In the EMI shielding tests for Internet of Things applications, the conductive composite film fabricated with DA-CNF/PU@Zn 2+ and silver nanowires (AgNWs) effectively addresses the issues of resource waste and device stability. These findings offer a new strategy for designing high-performance self-healing composite materials with significant potential for applications in electronics, aerospace, automotive and wearable devices.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».