Advancing Tomographic Volumetric Printing Via Oxygen Inhibition Control: Improved Accuracy and Large‐Volume Capability
Notice bibliographique
Résumé
Tomographic volumetric additive manufacturing (TVAM) is an emerging 3D printing technology capable of producing complex structures in seconds. However, achieving reliable prints using TVAM requires sufficient light penetration throughout the print volume, which often limits the photoinitiator (PI) concentration that can be used. In (meth)acrylate-based photoresins, this constraint severely restricts achievable print size and quality due to oxygen inhibition. To address this challenge, a chemical strategy is demonstrated to control the oxygen inhibition period without compromising light penetration, using an amine, a thiol, and a phosphine additive as representative examples. Among these, N-methyldiethanolamine (MDEA) emerged as the most promising candidate, effectively reacting with non-reactive peroxy radicals to regenerate propagating radicals and sustain polymerization. Incorporating MDEA into a low-PI photoresin enabled high-resolution and large-volume printing in a custom-built TVAM system, achieving a root-mean-square surface deviation of 0.175 mm (≈2 pixels) and printable structure sizes up to 60 mm. These advances represent a 16-fold increase in print volume relative to the previous TVAM demonstrations and enable high-throughput fabrication of multiple complex parts without sacrificing print quality. This work establishes a scalable approach to overcoming oxygen inhibition in (meth)acrylate TVAM systems, unlocking new possibilities for large-volume, high-resolution additive manufacturing.
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 | 0,001 | 0,001 |
| 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 ».