Pomza ve Flor İyonları ile Katkılandırılmış Hidroksiapatitlerin Üretimi, Karakterizasyonu ve İçyapı Özelliklerinin İncelenmesi
Bibliographic record
Abstract
Günümüzde kemik ve kemik dolgu malzemesi olarak sentetik hidroksiapatit (HA, Ca10(PO4)6(OH)2kullanılmaktadır. HA’nın kimyasal bileşimi kemiklerin ve dişlerin mineral yapısına benzemektedir. HA yüksekbiyouyumluluğu ve biyoaktifliği nedeniyle yapay kemik ve dişler için en sık kullanılan seramik malzeme olarak tercih edilmektedir. Mükemmel biyouyumluluk özelliklerine bağlı olarak ortopedik uygulamalar için sıklıkla kullanılmaktadır. Ancak HA mekanik özellikleri bakımından zayıftır. Bu çalışmada pomzanın ve flor (F-)iyonlarının, HA’nın yapısına ilave edilmesi ile mekanik özelliklerindeki değişimi incelenmiştir. Hidroksiapatit (HA), öncül kimyasallar kullanılarak çöktürme yöntemiyle elde edilmiştir. Elde edilen HA eser miktarda (%2,5 ve %10) pomza ve (%0,5 ve %1) flor (F-) ile 1100°C sıcaklık değerlerinde sinterlenmiştir. Pomza ve flor (F-)iyonları ile katkılandırılan HA’ların yoğunluk, sertlik, ve iç yapı özellikleri XRD analizi ile belirlenmiştir. Analiz sonuçları HA’nın yoğunluğunun pomza ve flor (F-) oranlarına bağlı olarak düştüğü gözlemlenmiştir. Aynı şekilde pomza ve flor (F-) oranlarına bağlı olarak mikrosertlik değerinde de düşüş gözlemlenmiştir. XRD sonuçlarından elde edilen numunelerde HA oluşumu ve pomza katkılandırılan numunelerde de pomza fazları gözlemlenmiştir
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 0.003 |
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".