MétaCan
Menu
Retour à la cohorte
Enregistrement W4408921366 · doi:10.1002/adma.202502266

A Natural Lignification Inspired Super‐Hard Wood‐Based Composites with Extreme Resilience

2025· article· en· W4408921366 sur OpenAlexaff
Yuxiang Huang, Kaixin Jiang, Yingqi He, Juan Hu, Kirsten Dyer, Esther T. Akinlabi, Daihui Zhang, Xuehua Zhang, Yanglun Yu, Wenji Yu, Ben Bin Xu

Notice bibliographique

RevueAdvanced Materials · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensUniversity of Alberta
Organismes subventionnairesEngineering and Physical Sciences Research CouncilNational Natural Science Foundation of China
Mots-clésMaterials scienceResilience (materials science)Brinell scaleComposite materialProcess engineering

Résumé

récupéré en direct d'OpenAlex

The growing demand for high-strength, durable materials capable of enduring extreme environments presents a significant challenge, particularly in balancing performance with sustainability. Conventional materials such as alloys and ceramics are nonrenewable, expensive, and require energy-intensive production processes. Here, super-hard wood-based composites (WBC) inspired by the meso-scale homogeneous lignification process intrinsic to tree growth are designed and developed. This hybrid structure is achieved innovatively by leveraging the infusion of low-molecular-weight phenol formaldehyde resin into the cell walls of thin wood slices, followed by a unique multi-layer construction and high-temperature compression. The resulting composite exhibits remarkable properties, including a Janka hardness of 24 382 N and a Brinell hardness of 40.7 HB, along with exceptional antipiercing performance. The created super-hard, sustainable materials address the limitations of nonrenewable resources while providing enhanced protection, structural stability, and exceptional resilience. The WBC approach aligns with UN Sustainable Development Goals (SDGs) by offering extra values for improving personal safety and building integrity across various engineering applications.

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 seuil0,003

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 GPT0,246
Écart entre enseignants0,235 · 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

Citations80
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207