Sacrificial strategy to fabricate durable superhydrophobic wood via hierarchical roughness and elastic crosslinking
Notice bibliographique
Résumé
With growing demand for renewable resources, superhydrophobic wood is widely regarded as leading candidate for outdoor construction applications. However, superhydrophobic wood still suffers from insufficient mechanical strength and durability under long-term abrasion and ultraviolet (UV) exposure. Herein, a sacrificial synergy strategy combining elastic cross-linked network and hierarchical roughness was proposed to enhance both toughness and durability, and its toughening mechanism is clarified. Specifically, a flexible room temperature vulcanized (RTV) silicone rubber matrix was cross-linked with vinyltriethoxysilane (VTES) to construct an elastomeric interphase, while ZnO nanorods arrays were in situ grown to generate micro/nano-scale roughness and simultaneously act as a sacrificial barrier against external abrasion. The modified wood exhibited water contact angle over 154°. Furthermore, the expected excellent robustness toward water impact (continuous 66 h), sand impingement (100 g, 35 cm, 25 cycles), mechanical abrasion (1 000 peeling cycles; sandpaper abrasion 400 cm), along with desirable chemical and environmental durability (48 h immersion in acidic and alkaline solution) of the modified wood was achieved as well. Moreover, the modified wood demonstrated multifunctional performance including self-cleaning, anti-fouling, humidity resistance (28 °C, 85% relative humidity (RH), 15 d and 35 °C, 90% RH, 6 d), and UV resistance (340 nm, 40 W, 33 d). This integrated approach not only proposed to construct mechanically resilient and environmentally durable superhydrophobic surfaces but also offered an effective design strategy for wood outdoor applications as construction material in long-term.
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 | 0,000 |
| 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 ».