Stiffening Liquid Crystal Elastomers with Liquid Crystal Inclusions
Notice bibliographique
Résumé
Liquid crystal elastomers (LCEs) are promising building blocks for soft robots, given their large, programmable, reversible, and stimuli-responsive shape change. Enhancing LCEs' stiffness and toughness has been a longstanding desire previously explored by reinforcing them with fillers, crystalline microdomains, and interpenetrating polymer networks. While promising, these methods adversely affect molecular order and thermal strain. Here, a significant enhancement of the stiffness of LCEs is reported by loading them with low molecular weight liquid crystals (LMWLCs) without sacrificing thermal strain and molecular order. While pristine LCEs rapidly transition to a soft elastic plateau when strained from poly- to monodomain, LC-loaded samples (LC-LCEs) first experience a pronounced linear elasticity, followed by a soft elastic plateau at higher stresses. Further thermomechanical and X-ray analysis confirm the emergence of an additional mesophase in polydomain LC-LCEs, which evolves to short-range smectic (cybotactic) during the poly- to monodomain transition. Monodomain LC-LCEs show between 6.5- and 9.0-fold stiffness enhancement with improved molecular order and thermal strain. Their work densities are more than double that of pristine LCEs, with active thermal stroke of up to 25% under loads of over 2000 times their weight. Such remarkable behaviors are attributed to the interplay between post-polymerization phase separation of LCs and their strain-enhanced smectic ordering. The results suggest that LMWLC inclusion can be a simple yet robust method to significantly improve the mechanical properties of LCEs.
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) | 0,001 | 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 ».