Non-fluorinated superomniphobic surfaces
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Superomniphobic surfaces, capable of repelling a wide range of liquids including low-surface-tension oils, rely on a synergy between surface chemistry and texture. For decades, these surfaces have primarily relied on per- and polyfluoroalkyl substances (PFAS) due to their low surface energy and durability. However, the persistence of PFAS in the environment and their toxicological risks have triggered global regulations to phase out their use. This transition presents substantial challenges, especially in sectors such as textiles, food packaging, and electronics, where oil and chemical resistance are essential and fluorine-free alternatives remain limited. While recent research has made progress in developing PFAS-free superhydrophobic surfaces, there remains a significant gap in understanding and designing non-fluorinated superomniphobic systems. This review provides a comprehensive overview of recent strategies for achieving superomniphobicity without fluorinated chemistry. We discuss both texture- and chemistry-based approaches, including coatings made with silica nanoparticles, treated fabrics, and metal oxide nanostructures, as well as coating-free systems that leverage advanced 3D-printing to fabricate doubly and triply re-entrant geometries. Importantly, we highlight limitations in scalability, durability, and liquid-specific performance. By identifying key material and structural design considerations, this review offers a clear perspective on current challenges and emerging opportunities for creating sustainable, high-performance, PFAS-free superomniphobic surfaces.
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.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 découle