Design et réalisation d'un réacteur plasma à pression atmosphérique pour des traitements de surfaces dans le domaine des biomatériaux
Bibliographic record
Abstract
Les modifications de surface de polymères par plasmas froids sont beaucoup utilisées dans le domaine biomédical pour adapter les propriétés de surface des matériaux et ainsi améliorer leurs performances de biocompatibilité. Le plasma froid est un milieu gazeux contenant des espèces excitées pouvant réagir avec la surface des matériaux et cela, à une température près de celle de la pièce. Cette technologie fonctionne très bien mais requiert généralement une basse pression et par le fait même des systèmes à vide ce qui rend le procédé coûteux et peu envisageable comme procédé industriel. Récemment, des décharges filamentaires par barrière diélectrique (FDBD) et des décharges luminescentes contrôlées par barrière diélectrique (DLBD) fonctionnant à pression atmosphérique sont apparues comme des alternatives intéressantes aux systèmes plasma basse pression pour les modifications de surface de polymères. Cette idée vise à éliminer la nécessité d'un système à vide et ainsi développer une technique aussi performante mais peu coûteuse pour s'approcher de plus en plus d'un procédé industriel. Au cours de ce projet, un réacteur plasma à pression atmosphérique a été conçu et réalisé. Le réacteur a été réalisé de manière à optimiser et contrôler les paramètres expérimentaux (puissance, fréquence, choix et flux des gaz) et permettre le traitement de surface de polymères. Pour comparer avec la technologie basse pression existante, des modifications de surface sur le poly(tétrafluoroethylène) (PTFE) ont été effectués dans différentes atmosphères (NH3, mélanges N2 + H2 et N2 + NH3) avec soit une décharge plasma radiofréquence basse pression (RFGD), une FDBD et une DLBD. Les modifications de surfaces créées ont été étudiées et comparées à l’aide de différentes techniques d’analyse de surface. La fonctionnalisation de surface obtenue avec le réacteur plasma à pression atmosphérique semble être une méthode efficace, peu coûteuse pour la création de modification de surface uniforme de groupements amines qui peuvent subséquemment être utilisés pour greffer diverses fonctionnalités chimiques pouvant être utilisées pour améliorer la biocompatibilité des matériaux.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".