MétaCan
Menu
Retour à la cohorte
Enregistrement W4412361181 · doi:10.1002/advs.202507827

Ultra‐High Friction and Adhesion in Hydrogel Layer Driven by Wet‐to‐Dry Transition Dynamics

2025· article· en· W4412361181 sur OpenAlexafffund
Chenxu Liu, Tianhui Sun, Wenqing Chen, Pan Huang, Lin Yang, Yuan Yao, Qiongyao Peng, Ying Hu, Yonggang Meng, Yu Tian, Hongbo Zeng

Notice bibliographique

RevueAdvanced Science · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdhesion, Friction, and Surface Interactions
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésMaterials scienceAdhesionSelf-healing hydrogelsAdhesiveComposite materialPolymerShrinkageLayer (electronics)Phase transitionNanotechnologyGlass transitionPolymer chemistry

Résumé

récupéré en direct d'OpenAlex

Hydrogels are well-known for their antifriction and lubricating properties, particularly in hydrated environments, where their water-rich polymer networks enable effective friction reduction. However, during the wet-to-dry transition, a critical phase is identified during which the microstructures of a polyacrylamide hydrogel layer undergo volumetric shrinkage, leading to extensive interfacial contact and enhanced intermolecular interactions at solid interfaces. This process leads to a sharp increase in friction and adhesion forces. Sliding friction tests show that under a 2 mN load, the shear force peaked at 115 mN, corresponding to a remarkably high friction coefficient of 57.5. By leveraging this wet-to-dry transition, strong object gripping is successfully achieved across a range of surfaces. Notably, the hydrogel layer exhibits a high adhesion strength of 3.48 MPa on glass and 3.64 MPa on Si substrates. These findings offer new insights into hydrogel active gripping technologies and provide promising implications for soft robotics and adhesive interfaces.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,477
Score d'incertitude au seuil0,503

Scores Codex et Gemma par catégorie

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

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 Opus0,004
Tête enseignante GPT0,232
Écart entre enseignants0,228 · 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.

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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced ScienceMême sujetAdhesion, Friction, and Surface InteractionsTravaux en français237 207