MétaCan
Menu
Retour à la cohorte
Enregistrement W4415014054 · doi:10.1002/admt.202501314

Synergistic EMI Shielding: The Role of Nanoparticle Size and Alternating Bi‐Layer Coatings in Hybrid Fabrics

2025· article· en· W4415014054 sur OpenAlexaff
Hamed Mohammadi Mofarah, Mutalifu Abulikemu, Hyung Woo Choi, Mehr Khalid Rahmani, Jihane Karib, Ghassan E. Jabbour

Notice bibliographique

RevueAdvanced Materials Technologies · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectromagnetic wave absorption materials
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésElectromagnetic shieldingEMIElectromagnetic interferenceCoatingNanoparticleParticle sizeAir permeability specific surface

Résumé

récupéré en direct d'OpenAlex

Abstract This study presents a hybrid knitted fabric engineered for high‐performance electromagnetic interference shielding effectiveness (EMI SE), achieving a maximum shielding effectiveness of 59.4 dB. The functionalized fabric is made from copper‐cotton core‐spun yarn with alternating bi‐layer of silver nanoparticles (AgNPs), MXene to enhance both conductivity and reflection/absorption. By employing a reactive in situ synthesis process, AgNPs are successfully synthesized directly onto the fabric, achieving particle sizes that range from 15 to 38 nm. Notably, smaller nanoparticles showed improved shielding performance by 7 dB, highlighting the important role of particle size in enhancing EMI shielding effectiveness. In addition, increasing the number of coating layers enhances the shielding effectiveness. In order to improve the durability of the fabric, (3‐Aminopropyl)triethoxysilane (APTES) treatment is performed, which contributed to the preservation of stable EMI shielding properties, even after 90 min of washing. Beyond EMI shielding performance, the APTES‐treated fabrics demonstrate good air permeability and moisture vapor transmission rates, ensuring they are breathable and comfortable, making them potential candidates for wearable applications where EMI exposure is a concern.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,673

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,006
Tête enseignante GPT0,243
Écart entre enseignants0,237 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Materials TechnologiesMême sujetElectromagnetic wave absorption materialsTravaux en français237 207