MétaCan
Menu
Retour à la cohorte
Enregistrement W4408720884 · doi:10.26434/chemrxiv-2025-hnwz1

Comparative study on protocols to prepare slippery liquid-like PDMS coatings - pitfalls and time-savers

2025· preprint· en· W4408720884 sur OpenAlexaff
Isaac J. Gresham, Hernán Barrio‐Zhang, Jae Hyung Cho, Behrooz Khatir, Gary G. Wells, Kevin Golovin, Glen McHale, Chiara Neto

Notice bibliographique

RevueChemRxiv · 2025
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensUniversity of Toronto
Organismes subventionnairesAustralian Research CouncilEngineering and Physical Sciences Research Council
Mots-clésNanotechnologyComputer scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

Slippery covalently attached liquid surfaces (SCALS, also called quasi-liquid surfaces, liquid-like surfaces, and slippery omniphobic covalently attached surfaces) have recently emerged as a new family of materials with many useful properties --- such as droplet-shedding, anti-icing, and anti-fouling --- and can serve as model systems in studies of wetting, evaporation, and self-assembly phenomena. They are made of nano-thin layers of polymers or oligomers that are liquid at ambient temperature and covalently attached to a smooth substrate. Herein we lay out protocols for preparation of the most common SCALS system: polydimethylsiloxane (PDMS) bound to silica surfaces via silane chemistry. The apparent simplicity of these layers and their methods of preparation is misleading, and obtaining reproducible results requires careful control of the reaction parameters. Exact details of the synthetic methods for SCALS determine the observed results, and reporting them is required for reproducibility and to advance understanding of the field. Here a range of synthetic methods used in the literature were reproduced in three different laboratories across the world, their comparative advantages and disadvantages discussed, and resulting SCALS characterised. For each synthetic method the key parameters that contribute to their performance and ease of reproducibility were identified and optimised.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,037
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,061
Tête enseignante GPT0,345
Écart entre enseignants0,285 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207