Thermally Insulated Sub-100 μm Aerogel Fibers Obtained by Including Chemically Modified and Aligned Thermoplastic Polyurethane Nanofibrils and a Prepolymerized Silica Precursor
Notice bibliographique
Résumé
Aerogel fibers are promising for advanced thermal management due to their ultralight weight, low thermal conductivity, and flexibility, yet their mechanical fragility and limited scalability hinder practical adoption. Here, we demonstrate a continuous, scalable spunbonding–gel-spinning process to fabricate sub-100 μm silica aerogel fibers reinforced with in situ-fibrillated thermoplastic polyurethane (TPU) and cellulose nanofibers (CNFs). This continuous method combines twin-screw extrusion, shear-induced spinning, and hot-stretching to generate elongational flow and uniaxial alignment of in situ nanofibrillated TPU, as confirmed by SEM. Surface functionalization of TPU and CNF enabled strong interfacial adhesion and segmental packing, induced mechanical anisotropy, enhanced structural integrity, and produced uniaxially aligned nanofibrils embedded within the aerogel matrix. Structural tuning of the silica aerogel phase produced a cross-linked network with 30 nm pores, minimizing transverse thermal conductivity. The resulting aerogel fibers exhibit a thermal conductivity of 27.7 mW/m·K, effusivity of 38.2 W·s 0.5 /m 2 ·K, and elongation at break of 188%. Evaluating the modulus using the Halpin–Kardos approach resulted in an unprecedented stiffness–density scaling exponent ( n = 0.78), indicating exceptional mechanical retention at low densities. Structural and thermal modeling revealed that the hierarchical nanofibril–aerogel architecture suppresses conduction and radiation losses while enhancing load transfer and geometry stability. This scalable approach overcomes key limitations of conventional aerogel fibers, offering a pathway to high-performance insulation for wearable protection, aerospace, construction, and energy-efficient systems.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».