Cellulose-mediated ionic liquid crystallization enables tough-stiff switchable ionogels
Notice bibliographique
Résumé
Nature has inspired to fabricate mechanically switchable materials for applications in various aspects, which is, however, unique but challenging to achieve reversible phase transitions using common ionic liquids in ionogels with ambient temperature-triggered crystallization feature. Here, we develop a tough-stiff switchable ionogel through a reversible solvent crystallization design. Cellulose acts as a chemical regulator, competitively binding with polymers to promote the formation of ionic liquid crystals. This results in a tough ionogel with a bulk toughness of 25.7 MJ m−3 and a fracture toughness of 47.1 kJ m−2, which can switch into a stiff ionogel with a tensile modulus of 134.6 MPa and a compressive modulus of 48.9 MPa. Upon heating, the crystallized ionogel reverts to its unconfined as ionic liquid crystals melt. This phase-driven structural and rigidity transition enables dynamical programming, with rapid, reversible and repeatable shape recovery through heating. Our study demonstrates solvent crystallization in ionogels, offering a strategy for creating intelligent, reconfigurable, and performance-switchable materials with customizable functions. Current ionic liquid-based switchable ionogels rely on fluorinated chemicals and require cooling to low temperatures to induce crystallization. Here, the authors use an ionic liquid to create a cellulose containing ionogel with tough-stiff switchable properties through a reversible room temperature crystallization process.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».