Achieving significant mechanical improvement of chitosan aerogel with embedding or bridging structures mediated by size-dependent silk microfibers
Notice bibliographique
Résumé
Building high-performance aerogels with biomass-derived rather than fossil-derived polymers is an eco-friendlier option given the increasingly serious sustainability issues. Chitosan (CS) aerogels with oriented pore structures exhibit broad application prospects owing to light weight, high porosity, and favorable bioactivity, but the dominating drawback in low mechanical strength greatly hinders their functional advantages. In this study, two types of silk microfibers with similar diameter yet different aspect ratios (1–3 (denoting as SmSF) and 50–100 (denoting as LmSF)) were used as fillers to reinforce CS aerogels prepared by directional freeze casting. The distinction of SmSF and LmSF in size led to their notable variations in distribution pattern, as SmSF embedded within the individual CS lamellae while LmSF traversed throughout the adjacent CS lamellae, which in consequence significantly influence their mechanical reinforcing efficiency. The compressive strength values could be improved from 61.67 kPa (pure CS aerogel) to 82.13 kPa (SmSF/CS aerogel) and 165.03 kPa (LmSF/CS aerogel), respectively, attributing to the transition in deformation mechanisms from a bending- to crumpling-dominated mode. In addition, the embedding or bridging structure could also change the liquid transportation property of CS aerogels. The results of this study demonstrated the feasibility of applying filler-size-mediated strategy for material structural optimization.
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 | 0,000 | 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 ».