Mechanical response of bio-epoxy resin composites reinforced with graphene oxide: machine learning approach for property prediction
Notice bibliographique
Résumé
Abstract Polymer matrix composites have become one of the most developed materials due to the possibility of tailored mechanical, physical, or thermal properties. However, important environmental concerns have arisen within conventional thermoset polymers due to the depletion of the non-renewable resources used in their production. For this reason, bio-epoxy resins have been developed by replacing a fraction of the petroleum-based components with renewable materials. In addition, machine learning algorithms have become a powerful tool to estimate material properties in nanocomposites, which might be further corroborated by experimental means. Therefore, this study developed a composite material with a bio-epoxy resin matrix reinforced with graphene oxide (GO). Experimental and theoretical densities revealed a linear relationship between the GO loading and the pore volume fraction of the composites. An estimation of various mechanical properties is listed for a bio-epoxy resin: ultimate tensile strength (UTS) (63.4 MPa), modulus of elasticity (2.74 GPa), flexural strength (95.32 MPa), and flexural modulus of elasticity (2.52 GPa). Composites including 0.1, 0.3, and 0.5 wt. % showed an improvement in the aforementioned properties, while the composites, including 0.8 and 1.2 wt. % exhibit a decrease in the overall mechanical response. Evaluation of tensile and flexural fracture surfaces revealed a noticeable strengthening mechanism in the composites after the addition of the reinforcement. Differential scanning calorimetry results demonstrated increased glass transition temperature as the GO filler loading increased. Machine learning allows the prediction of the UTS as a function of GO content with high accuracy.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».