Polimer nanokompozitlerde ve metal oksit nanopartikül üretim sistemlerinde MgO ve CuO bağlayıcılarının karşılaştırmalı analitik değerlendirmesi

Summary

Bu çalışma, harici metal-oksit veri seti analizi, denklem tabanlı performans indeksleri ve hesaplamalı yorum kullanarak MgO ve CuO bazlı polimer nanokompozitlerin veri seti odaklı karşılaştırmalı analitik değerlendirmesini sunmaktadır. Analiz, MgO sistemlerinin yapısal ve termal davranışta nispeten gelişmiş olduğunu, CuO sistemlerinin ise özellikle iletkenlikle ilgili uygulamalarda gelişmiş fonksiyonel performans sergilediğini göstermektedir.

Abstract

Bu çalışma, metal oksit nanopartikülleriyle güçlendirilmiş polimer nanokompozitlerin veri seti odaklı karşılaştırmalı analitik incelemesini sunar; magnezyum oksit (MgO) ve bakır oksit (CuO) bağlayıcılarının yapısal, mekanik, termal ve fonksiyonel performans özellikleri üzerindeki etkisini değerlendirir. Polivinil alkol (PVA), MgO ve CuO bazlı nanokompozit üretim sistemlerinin karşılaştırmalı değerlendirmesinde polimer matrisi olarak kullanılmıştır. Analiz, MgO ve CuO bazlı polimer nanokompozit sistemlerden 120 malzeme-özellik gözlemini içeren Metal-Oksit Veri Seti kullanılarak gerçekleştirildi. 1 ağırlık, %3 wt% ve %5 binder konsantrasyonları, Python 3.11'de uygulanan denklem tabanlı performans endeksleri, çoklu başlı etkileşim analizi ve kural tabanlı hesaplamalı sınıflandırma modelleri kullanılarak karşılaştırmalı olarak değerlendirildi. İstatistiksel doğrulama, beş tekrarlayıcı hesaplama çalışması ile 5 katlı çapraz doğrulama kullanılarak gerçekleştirildi ve tüm rapor edilen sonuçlar ortalama ± standart sapma olarak ifade edildi. Karşılaştırmalı analiz, MgO tabanlı sistemlerin nispeten gelişmiş dağılım davranışı, termal kararlılık ve mekanik pekiştirme özellikleri sergilediğini, CuO tabanlı sistemlerin ise özellikle iletkenlikle ilgili üretim uygulamalarında gelişmiş fonksiyonel performans sergilediğini göstermektedir. Genel olarak, bulgular, polimer nanokompozit davranışını yapılandırılmış hesaplamalı ve karşılaştırmalı analitik çerçevede etkilemede bağlayıcı seçiminin önemini vurgulamaktadır.

Introduction

Polimer nanokompozitler, hafif ve geliştirilmiş mekanik, termik ve işlevsel özellikleri sayesinde gelişmiş malzemeler arasında umut vadeden bir kategori haline^{gelmiştir 1}. Bu malzemelerin havacılık, otomotiv, elektronik, biyomedikal cihazlar ve koruyucu kaplamalarda kullanımı, daha iyi malzeme performansı ve dayanıklılık üretim uygulamaları için durmaksızın araştırma yapılmasını^{gerektirmiştir 2}. Günümüzde nanoteknolojideki eğilimler, polimer nanokompozitlerin performans optimizasyonunun nanopartikül dağılım, arayüz yapışması ve bağlayıcı-matris uyumluluğu tarafından büyük ölçüde etkilendiğini^{vurgulamıştır.} Nanofillerlerin doğası ve uygun bağlayıcıların seçimi, bileşik sistemde arayüz ilişkilerini^{belirler 4}.

Metal oksit nanopartikülleri, yüksek sertlikleri, termal kararlılıkları, kimyasal direnci ve çok işlevli özellikleri nedeniyle polimerlerde güçlendirme olarak yaygın olarak kullanılır⁵. MgO, CuO, ZnO ve TiO 2 gibi nanopartiküllerin dayanıklılığı, termal direnci ve elektriksel özellikleri ile antimikrobiyal aktiviteyi^{artırdığı bulunmuştur 6}. Yüksek nanoparçacık dispersiyeti ve yüzeysel bağ elde etmek, inorganik nanopartiküller ile organik polimerler arasındaki uyumsuzluk ve aglomerasyon nedeniyle zor^{olmaya devam etmektedir 7}.

Polimer nanokompozitlerdeki dispersyon ve arayüz kısıtlamaları, bağlayıcı destekli yaklaşımların getirilmesiyle^{aşılmıştır 8}. Bağlayıcılar, nanopartikülleri stabilize eder, fazlar arasında yapışmayı artırır ve matriks ile dolgu arasındaki arayüzde^{gerilimi aktarır9}. Bağlayıcılar, nanokompozitlerin yapısal bütünlüğünü ve işlevsel performansını artırmak için önemlidir. Aglomerasyonu azaltarak ve nanopartiküllerin homojen bir dağılımını sağlayarak, bağlayıcı yüzeysel stabiliteyi artırır ve polimer nanokompozitin genel mekanik ve fonksiyonel performansını^{artırır 10}.

Magnezyum oksit ve bakır oksit bağlayıcılar, karakteristik fizikokimyasal özellikleri nedeniyle giderek artan ilgi çekmiştir¹¹. MgO bağlayıcılar yüksek termal kararlılık, düşük kimyasal çözünürlüğü ve mekanik destek ile karakterizedir. Bu nedenle, yük taşımak ve yüksek sıcaklıklar^{için uygundur 12}. CuO bağlayıcılar, elektriksel iletkenliği, antimikrobiyal aktivite ve yüzey reaktivitesini artırmada daha iyidir; böylece polimer nanokompozitlerde çok fonksiyonlu iyileştirmeleri^{kolaylaştırır 13}.

Bilim ve endüstride, polimer nanokompozitlerin geliştirilmesinde en önemli tasarım parametrelerinden biri bağlayıcı¹⁴ seçimidir. Endüstriyel üretimin performansı, işlenebilirliği ve ölçeklenebilirliği, uygun MgO veya CuO binder¹⁵ seçilerek sürecin özelleştirilmesini sağlar. Binder destekli nanokompozitlerin davranışının sistematik anlaşılması, böylece yeni nesil mühendislikte kullanılacak gelişmiş malzemelerin geliştirilmesi için güçlü bir temel^{sunar 16}.

Bu çalışma, polimer nanokompozit sistemlerde MgO ve CuO bağlayıcılarının etkisine ilişkin karşılaştırmalı analitik bir değerlendirme sunar; özellikle polimer matrisi içindeki nanoparçacık dağılım, arayüz etkileşimleri ve yük transferi mekanizmalarındaki potansiyel rollerine odaklanmaktadır. Analiz, her iki bağlayıcının bileşik güçlendirme ve çok işlevli performans eğilimleriyle ilişkili malzemeye özgü belirgin davranışlarını vurgulamaktadır. Çalışma ayrıca, bağlayıcı destekli arayüz etkileşimlerini polimer-metal oksit nanokompozitlerin mekanik, termal ve fonksiyonel özellikleriyle ilişkilendiren yorumlayıcı bir çerçeve sunmaktadır. Bu karşılaştırma analizi, MgO ve CuO bağlayıcılarının bileşik davranışı nasıl etkilediğine dair nitel ve uygulama odaklı içgörüler sunar ve odaklı mühendislik uygulamaları için malzeme seçimine yardımcı olur. Uygulamalara dayalı bağlayıcı seçimi için rehberler: Önerilen araştırma, hedefli yapısal veya çok fonksiyonlu uygulamalar için MgO veya CuO bağlayıcılarının seçilmesine yönelik pratik tasarım önerilerinden elde edilen deneysel ve analitik sonuçlara dayanmaktadır; bu sonuçlar, polimer nanokompozitlerin ölçeklenebilir, performans açısından optimize edilmiş gelişimini kolaylaştırmaktadır.

Polimer nanokompozit araştırmaları, MgO ve CuO bazlı dolguları kapsamlı şekilde incelemiştir, ancak bunların bağlayıcı destekli nanoparçacık dispersiyası, arayüz etkileşimi, termal stabilite, mekanik pekiştirme ve işlevsel performans davranışı üzerindeki etkileri tanımlanmış bir polimer matris içinde bilinmemektedir. Çoğu araştırma, izole oksit sistemleri, uygulamaya özgü uygulamalar veya deneysel olarak bağımsız malzeme formülasyonları üzerine odaklanır; bu da MgO ve CuO tabanlı sistem karşılaştırmalarını zorlaştırır. Çok az çalışma, bu bağlayıcıları polivinil alkol (PVA) bazlı nanokompozitlerde birleştirilmiş hesaplama ve performans indeks tekniğiyle karşılaştırmıştır. Bu çalışma, MgO ve CuO ile entegre edilmiş PVA nanokompozit sistemlerinin davranışını, normalize performans endeksi modellemesi, karşılaştırmalı özellik değerlendirmesi ve bağlayıcıya özgü kategorize analizi kullanarak karşılaştırdı. Tüm polimer sistemlerinde evrensel olarak onaylanmış performans üstünlüğü yaratmak yerine, araştırma MgO ve CuO bağlayıcılarının üretim uygulamaları için seçilen PVA nanokompozitinde yapısal, termal, mekanik, iletkenlikle ilgili ve fonksiyonel performans trendlerini nasıl etkilediğini inceliyor.

Polimer-metal oksit nanokompozitlerin geliştirilmiş fizikokimyasal, mekanik, elektriksel ve çevresel özellikleri ilgi çekmiştir. Polimer kafeslerdeki metal oksit nanoyapılar, enerji depolama, çevresel iyileştirme, biyomedikal, endüstriyel ve tarihi koruma için çok fonksiyonlu malzemeler sağlar. Son çalışmalar, inorganik metal oksit nanopartikülleri ve polimerlerin çeşitli yapılara ve gelişmiş fizikokimyasal özelliklere sahip nanokompozitler ürettiğini göstermektedir. Sentez, yüzey işlevselleştirmesi ve karakterizasyon ana konularıdır. Bu gelişmeler, nanoparçacık dağılımın modern teknolojiler için termal, mekanik ve fonksiyonel performansı optimize etmek amacıyla nasıl yönetilebileceğini^{göstermektedir 17}.

Metal oksit nanokristallerin polimer matriksine doğru entegrasyonu, termal, elektrik ve kimyasal özelliklerin optimize edilmesinde anahtardır. Çok modlu bağlayıcı optimizasyon karakterizasyon modellemesi (M-MBOCM), yapısal, mekanik, termal ve fonksiyonel özellikler dahil olmak üzere birden fazla performans alanında bağlayıcı–polimer–nanopartikül etkileşimlerini değerlendirmek için geliştirilen karşılaştırmalı analitik bir çerçeveyi ifade eder. Mevcut çalışmada, çerçeve veri seti odaklı analiz, denklem tabanlı performans indeksleri ve hesaplamalı karşılaştırmalı değerlendirmeyi entegre ederek MgO ve CuO tabanlı polimer nanokompozit sistemlerin göreli davranışını incelemektedir. Modellenen karşılaştırmalı eğilimler, analiz edilen malzeme-özellik alanları arasında nispeten tutarlı performans değişimlerini göstermekte; bu da bağlayıcı destekli nanokompozit tasarım stratejilerinin hafif yapısal sistemler ve enerjiyle ilgili fonksiyonel malzemeler gibi potansiyel mühendislik uygulamaları için uygulanabilirliğini^{destekler 18}.

Pechini sol-gel yöntemiyle oluşturulan metal oksit nanoyapılar, Zn(II)'nin çıkarılması için yüksek adsorbsiyon kapasitesi ve yüzey alanı gösterir. Faz evrimi, kristalit boyutunu ve adsorpsiyon verimliliğini önemli ölçüde etkiler. Bu malzemeler, kendiliğinden yeniden kullanılabilir ve son derece etkili adsorpsiyon yetenekleri gösterir; bu da onları su kirliliği giderme için maliyet etkin bir seçenek^{yapar 19}.

Polimer-metal oksit kompozitler (PMC'ler), saf polimerlerin çok işlevli özelliklerine sahiptir ve bu nedenle ambalaj, havacılık, elektronik, biyomedikal ve inşaat endüstrilerinde uygulama bulabilirler. Bunlar hafif, ayarlanabilir ve uygun fiyatlıdır, bu da sektörün olanaklarını artırır. MgO ve CuO tabanlı malzeme mühendisliği stratejilerinin polimer nanokompozit tasarımıyla entegrasyonu, metal oksitle takviyeli kompozit sistemlerin yapısal performansını, işlevsel özellik optimizasyonunu ve potansiyel ölçeklenebilirliğini iyileştirmek için önemli bir yaklaşım olarak kabul^{edilmiştir 20}.

CuO nanopartikülleriyle güçlendirilmiş biyobozunabilir polimer karışımları, gelişmiş antimikrobiyal, elektriksel ve biyouyumlu özellikler sergiler. Spektroskopik ve yapısal çalışmalar, polimer ile nanopartiküller arasındaki güçlü etkileşimleri doğrularken, optik ve iletkenlik spektroskopileri gelişmiş yük taşımasını ortaya koyar. Nanokompozitlerin iyi bakteriyel inhibisyon ve hücre canlılığı gösterdiği gösterilmiştir ve bu nedenle sürdürülebilir ambalajlama ve biyomedikal uygulamalarda^{kullanılabilirler 21}. Ag-CuO/rGO dolgu maddelerinin, polar 2D fazının gelişimini ve PVDF nanokompozitlerin elektriksel iletkenliğini etkili şekilde artırdığı gösterilmiştir. İletken ağların geliştirilmesi, enerji kaybını en aza indirirken dielektrik özellikleri önemli ölçüde artırır. Bu nanokompozitler, yüksek dielektrik sabitleri ve iletkenlik gerektiren polimer bazlı pillerde ve esnek elektronik cihazlarda iyi performans göstermiştir. Metal oksit nanopartiküllerinin polimer kaplaması, kültürel mirası korumanın etkili bir yolu haline gelmiştir. TiO2, ZnO, CuO ve MgO gibi nanomalzemeler, kendini temizleme, antimikrobiyal ve konsolidasyon gibi özellikler sağlar. Son araştırmacılar, güvenli ve sürdürülebilir koruma uygulamalarını sağlamak için nanoparçacık taşınımını ve ekolojik önemini tanımlamanın gerekliliğini vurgulamaktadır. Metal oksit nanofillerin kullanımı, polimer nanokompozitlerin tribolojik özelliklerini önemli ölçüde artırmıştır. En yaygın kullanılanlar alüminya, çinko oksit ve titanyum oksittir ve farklı çalışma koşullarında daha az sürtünme ve aşınma gösterir. Tüm bu gelişmeler, nanofiller kullanımının havacılık ve otomotiv uygulamalarında önemini vurgulamaktadır.

Metal oksitle takviyeli polimer nanokompozitler giderek daha popüler hale gelmektedir, ancak MgO ve CuO bağlayıcılarının dispersyon davranışı, arayüz teması ve uygulamaya özgü performans üzerindeki karşılaştırmalı etkileri hâlâ yeterince anlaşılmamaktadır. Sadece birkaç çalışma, binder-spesifik fizikokimyasal parametrelerin oksit sistemlerinin yapısal, termal, mekanik ve fonksiyonel performansını veya uygulamaya özgü uygulamaları nasıl etkilediğini doğrudan karşılaştırmıştır. Odaklanmış mühendislik uygulamaları için binder seçim prosedürleri, literatür kanıtı, veri seti odaklı araştırma ve performans endeksi değerlendirmesini içeren tutarlı bir karşılaştırma çerçevesi olmadan değerlendirilmesi de zordur. MgO ve CuO tabanlı bağlayıcı sistemleri, bu çalışmada farklı malzeme-özellik alanlarında performans kalıpları bulmak için analitik olarak karşılaştırılır.

Protocol

Örnek hazırlama ve bağlayıcı dahil etme

MgO ve CuO bazlı bağlayıcı sistemlerin karşılaştırılması için polivinil alkol (PVA) polimer nanokompozit örnekler hazırlandı. Homojen bir polimer çözeltisi, 5 g PVA 100 mL damıtılmış suda 600 devir/dakika ve 70 °C sıcaklıkta sürekli manyetik karıştırma altında çözülerek elde edildi. 1 ağırlık, %3 ağırlık ve %5 bağlayıcı yük yüzdelerinde, ortalama parçacık boyutları 40–60 nm olan MgO ve CuO nanopartikülleri polimer matrisine bağımsız olarak entegre edilmiştir. 40 kHz ve 200 W'ta prob ultrasonikasyonu, 30 dakika için nanopartikül toplamasını azalttı ve dağılım düzenini iyileştirdi. Süspansiyonlar teflon kalıplara döküldükten ve 60 °C'de 24 saat boyunca kurutulduktan sonra, üretim uygulamaları için homojen nanokompozit filmler yapmak üzere oda sıcaklığına soğutuldular. . PVA (moleküler ağırlık: 85.000–124.000 g/mol, %99 hidrolizlenmiş) polimer matrisiydi. Karşılaştırmalı bağlayıcı değerlendirmesi, tipik parçacık boyutları 40–60 nm ve saflıkları %99'dan yüksek olan MgO ve CuO nanopartikülleri kullandı. Gravimetrik orantılı tahmin edilen 1 ağırlık, %3 ağırlık ve %5 bünye bağlayıcı konsantrasyonları polimer kütlesine göre olarak tahmin edilmiştir. Nanokompozit süspansiyonlar, 100 mm × 100 mm × 2 mm Teflon kalıplara döküldü ve 1,5–2,0 mm kalınlık aralığında filmler elde edildi. Örnekler, kurutuduktan sonra karakterizasyon ve analiz yapıldıktan sonra 48 saat oda sıcaklığında koşullandırıldı. Beş tekrarlanan örnek partisine uygulanan karşılaştırmalı istatistiksel değerlendirme ve doğrulama.

Mekanik, termal ve morfolojik karakterizasyon

ASTM D638 standart koşulları altında çekilme testleri, nanokompozitlerin güçlendirme ve yük aktarım özelliklerini değerlendirmiştir. Termogravimetrik analiz (TGA), 30–600 °C sıcaklığında 10 °C/dakika azotta termal stabiliteyi analiz etmek için kullanılmıştır. Termal geçiş davranışını değerlendirmek için DSC ölçümleri 30 ile 200 °C arasında yapıldı. SEM, polimer matris arayüz dağılımı ve morfoloji ile nanopartikül dağılımı ile aglomerasyon eğilimlerini değerlendirmek için kullanıldı. Çekme testi, ASTM D638 standartları altında Instron 3365 Evrensel Test Makinesi kullanılarak gerçekleştirildi; örnek boyutları 100 mm × 15 mm × 2 mm ve çapraz kafa hızı 5 mm/dakika idi. TGA/DTG (PerkinElmer TGA 4000), azot ortamında (50 mL/dakika) 10 °C/dakika ile 30 ile 900 °C arasında termal stabiliteyi analiz etmek için kullanıldı. 30–200 °C ve 10 °C/dakika arasında TA Instruments Q2000 DSC ölçümleri alındı. SEM (JEOL JSM-7610F), altın sputter kaplamasından sonra örnekleri karakterize etmek için kullanıldı. Elektrik iletkenliği dört noktalı bir prob kullanılarak ölçüldü ve antibakteriyel performans, veri seti destekli karşılaştırmalı çerçeve olan normalize azaltım-verimlilik analiziyle değerlendirildi.

Veri seti kaynağı ve hesaplamalı iş akışı

Karşılaştırmalı hesaplamalı analiz, MgO ve CuO ile ilgili malzeme özellik davranışını değerlendirmek için birincil dış veri kaynağı olarak Metal-Oksit Veri Seti kullanılarak gerçekleştirilmiştir. Veri seti, yapısal, termik, mekanik, elektriksel ve fonksiyonel performans tanımlayıcılarıyla ilişkili 120 malzeme-özellik gözleminden oluşuyordu. Karşılaştırmalı performans değerlendirmesi, ön işleme, istatistiksel hesaplama, denklem tabanlı performans indeks analizi ve şekil üretimi için NumPy, Pandas, SciPy ve Matplotlib kütüphaneleriyle Python 3.11 kullanılarak uygulanmıştır. Analitik iş akışı, dağılımlılık teklibiyeti analizini, termal stabilite indekslemesini, mekanik-termal performans değerlendirmesini ve veri seti odaklı hesaplamalı yorumlama kullanarak işlevsel özellik karşılaştırmasını entegre etti.

İstatistiksel analiz ve doğrulama

Tekrarlanabilirlik ve bölüme bağlı varyasyon indirgemesi için, istatistiksel doğrulama için beş farklı hesaplama çalışmasıyla 5 kat çapraz doğrulama kullanılmıştır. Sonuçlar ortalama ± standart sapma (SD) olarak sunulur. MgO ve CuO tabanlı sistemlerin karşılaştırılması için bağımsız iki örneklemli bir t-testi kullanıldı ve istatistiksel anlamlılık p < 0.05 olarak belirlendi. Hesaplama metodolojisi, binder konsantrasyon aralıkları boyunca normalleştirilmiş performans karşılaştırması ve tutarlılık analiziyle doğrulandı.

Karşılaştırmalı performans çerçevesi

Polimer nanokompozit sentezi, bağlayıcı destekli nanoparçacık entegrasyonu, karakterizasyon analizi ve MgO ve CuO tabanlı sistemler için hesaplamalı yorumlama bu çerçeveye entegre edilmiştir. MgO yolu yapısal, termal ve mekanik özellikleri değerlendirirken, CuO yolu iletkenliği ve antibakteriyel etki değerlendirir. Her iki yöntemin çıktıları, bağlayıcıya özgü performans eğilimleri ve uygulama odaklı malzeme uyumluluğu belirlemek için karşılaştırılır.

Mekanik–termal performans artırma endeksi (MTPI) denklem 1 ile hesaplanır

(1)

σ_c terimi, kompozitin çekme dayanımını gösterirken, σ_p düzgün polimerin çekme dayanımını ifade eder. T_d,c parametresi kompozitin ayrışma sıcaklığını, T_d,p ise polimer matriksinin ayrışma sıcaklığını ifade eder. X _c değişkeni, kompozitin kristallik derecesini temsil eder ve X_p baz polimerin kristalliliğidir. Ağırlıklandırma faktörleri α, β ve γ, sırasıyla α + β + γ = 1 ile dayanım, termal kararlılık ve kristallik katkısını tanımlar. Denklem (1)'deki MTPI için, ağırlıklandırma faktörleri α = 0.40, β = 0.35 ve γ = 0.25 olarak belirlendi; bu da sırasıyla çekme mukavemeti, termal stabilitesi ve kristallitesi üzerindeki göreceli vurguyu temsil ediyordu; α + β + γ = 1.

MTPI için ağırlık katsayıları α = 0.45, β = 0.35 ve γ = 0.20 olarak atanmıştır; bunlar sırasıyla çekme mukavemeti, termal stabilitesi ve kristalliliğin göreli katkılarını temsil etmektedir. Fonksiyonel Performans Endeksi (FPI) için, ağırlıklandırma parametreleri elektrik iletkenliği için δ = 0.60 ve antimikrobiyal azaltım verimliliği için = 0.40 olarak tanımlandı. Denklem (4)'te kullanılan dağılım-verimlilik faktörü, normalleştirilmiş dağılım-tutarlılık analizine göre MgO sistemleri için η = 0.85, CuO sistemleri için ise η = 0.72 olarak atanmıştır. Denklem (5)'teki yüzey işleme modülasyon sabiti, karşılaştırmalı yüzeyler arası etkileşim ölçeklendirmesinden sonra k_s = 1.15 olarak sabitlenmiştir. Çok başlı dikkat çerçevesinde, öğrenme oranı 0.001 olarak tutuldu, dikkat başı sayısı H = 4 olarak sabitlendi, eğitim dönemi sayısı 100 olarak belirlendi ve tekrarlanabilirlik için rastgele tohum değeri 42 olarak sabitlendi. Duyarlılık analizi, her ağırlıklandırma parametresinin temel değerinin %±10'u içinde değiştirilerek yapıldı ve böylece beş tekrarlanan hesaplama çalışmasında nihai karşılaştırmalı performans puanlarında %5'ten az sapma oluştu.

CuO tabanlı nanokompozitler için fonksiyonel performans indeksi

denklem 2 ile tanımlanır

(2)

σ_e değişkeni, CuO bazlı nanokompozitin elektriksel iletkenliğini temsil ederken, σ_e,p ise kusursuz polimerin iletkenliğidir. A_r terimi, antimikrobiyal indirgeme verimliliğini, A_r,max ise gözlemlenen maksimum değerini gösterir. Sürtünme katsayısı μ ile gösterilir; μ_max maksimum referans değeridir. Ağırlıklandırma parametreleri δ, , ve ζ elektriksel, antimikrobiyal ve tribobiyal davranışların genel fonksiyonel performans üzerindeki etkisini kontrol eder. Denklem (2)'deki Fonksiyonel Performans Endeksi (FPI) için parametreler δ = 0.40, ∈ = 0.35 ve ζ = 0.25 olarak atandı; bunlar elektrik iletkenliği, antimikrobiyal indirgeme verimliliği ve triboolojik yanıt ile karşılık gelirdi.

Fonksiyonel Performans Endeksi (FPI), benimsenen hesaplama çerçevesi içinde CuO tabanlı polimer nanokompozitlerin göreceli fonksiyonel davranışını değerlendirmek için normalize edilmiş karşılaştırmalı analitik parametre olarak tanıtıldı. Indeks, minimum–maksimum ölçeklendirmeden sonra normalleştirilmiş iletkenlik ve antimikrobiyal performans tanımlayıcılarını entegre ederek 0'dan 1'e kadar değişen birleşik karşılaştırmalı fonksiyonel skor sağlar. Ağırlık katsayıları, karşılaştırmalı duyarlılık analizi ve literatür destekli katkı değerlendirmesi yoluyla belirlendi; iletkenlik katkı katsayısı δ = 0.60, antimikrobiyal performans katsayısı = 0.40 olarak atandı.

Karşılaştırmalı bağlayıcı performans oranı

CBPR) denklem 3 ile tanımlanır

MTPI_MgO terimi, MgO takviyeli polimer nanokompozitlerin mekanik-termal performans endeksine karşılık gelirken, FPI_CuO CuO ile güçlendirilmiş sistemlerin işlevsel performans endeksini ifade eder. Ek Dosya 1 , MgO/CuO Binder Tabanlı Nanopartikül Dağılım Değerlendirmesini gösterir.

Ek Dosya 1 , polimer ağındaki metal oksit nanopartiküllerinin dispersyon kalitesini MgO veya CuO bağlayıcıları kullanarak ölçer. Her nanoparçacığın polimerle arayüz enerjisi hesaplanır ve çift benzerlik, üstel fonksiyonun yardımıyla karşılaştırılır. Dağılım kalite ölçüsü tekdüzeliktir ve bağlayıcıya özgü ölçeklendirme, MgO bağlayıcılarla elde edilen yüksek dispersyonu yansıtır. Dağılım kalite indeksi d_q artık doğrudan normalleştirilmiş çift yüzeysel enerji benzerlik matrisinden hesaplanır ve şu şekilde ifade edilir

(4),

burada .

Elektriksel iletkenlik değerlendirmesi, Metal-Oksit Veri Seti ve ilgili hesaplamalı performans indeks analizi ile desteklenen karşılaştırmalı dört noktalı sonda tabanlı analitik çerçeve kullanılarak gerçekleştirildi. Antimikrobiyal aktivite, literatür destekli oksit özellik eğilimlerinden türetilen karşılaştırmalı azaltım-verimlilik tanımlayıcıları ve veri seti odaklı çerçevede normalleştirilmiş analitik ölçeklendirme kullanılarak yorumlandı.

Nanoparçacık takviyesi sayesinde etkili modül geliştirme

E_c , denklem 5 ile ele alındı

Bu denklemde, E_m polimer matriksinin modülünü gösterir. E_n terimi, metal oksit nanopartiküllerinin elastik modülüne karşılık gelir. Nanoparçacıkların hacim oranı ile gösterilir ve nanoparçacık dağılımının kalitesi ile nanopartiküller arasındaki arayüz yapışmasını açıklayan dispersyon verimlilik faktörüdür. Denklem (4)'te η dağılım verimlilik faktörü, varsayılan göreli nanoparçacık dağılım tekeserliği ve bağlayıcı-matris etkileşim verimliliğine dayanarak MgO tabanlı sistemler için 0.85, CuO tabanlı sistemler için 0.78 olarak sabitlenmiştir.

Arayüz bağlanma gücü artırma modeli

τ_Denklem 6'ya bağlıyım

Burada, τ₀ , işlenmemiş polimer-dolgu arayüzünün içsel arayüz gücüdür. Parametre k_s, yüzey işlem verimliliği sabitidir ve A_s nanopartiküllerin özgün yüzey alanını gösterir. Nanopartikül hacmi fraksiyonu ile temsil edilir. Bu denklem, arayüz boyunca yük transferini güçlendirmede yüzey modifikasyonunun rolünü vurgular.

Termal kararlılık iyileştirme indeksi

T_d,c, denklem 7 ile tanımlanmıştır

T_d,m ise düzgün polimer matriksinin bozulma sıcaklığını temsil eder. Sabit, nanopartiküllerin termal bariyer etkisini yansıtır ve ξ , homojen nanopartikül dağılımını hesaba katan bir dağılım düzenlilik katsayısıdır. Değişken yine nanopartikül hacim fraksiyonunu temsil eder.

Polimer film hacmi boyunca nanopartiküllerin eşit dağılımı örnek hazırlığı sırasında birleşik manyetik karıştırma ve prob-ultrasonikasyon süreciyle kontrol edildi. Başlangıçta, polimer çözeltisi 600 devir ve 70 °C'de 60 dakika boyunca sürekli manyetik karıştırmaya maruz bırakıldı ve PVA matrisinin homojen çözülmesini sağladı. Daha sonra, MgO ve CuO nanopartikülleri polimer çözeltisine kademeli olarak dahil edildi ve nanopartikül aglomerasyonunu en aza indirmek ve matris içindeki arayüz dağılımını artırmak için 40 kHz ve 200 W frekansında prob ultrasonikasyonu kullanılarak 30 dakika boyunca dağıtıldı. Ayrıca, nanoparçacık ekleme sırasında yerel kümelenmeyi önlemek için süspansiyonlar sürekli düşük hızlı karıştırma altında tutuldu. Ortaya çıkan nanokompozit karışımlar daha sonra Teflon kalıplara döküldü ve ardından 60 °C'de 24 saat boyunca kontrollü kurutma işlemi yapılarak sedimentasyon kaynaklı faz ayrımı azaltıldı.

Fonksiyonel özellik geliştirme faktörü

F_p denklem 8 ile hesaplanır

σ_e terimi, nanokompozitin elektrik iletkenliğini temsil ederken, σ_e,m baz polimerin iletkenliğini ifade eder. Değişken A_r antimikrobiyal azaltma verimliliğini, A_r,max ise maksimum referans değerini ifade eder. Kompozitin manyetik yanıtı M_c ile gösterilir ve maksimum M ulaşılabilir değerdir. _{1, μ} 2 ve μ 3 μ ağırlık katsayıları göreli önemi tanımlar. FP parametresi, bireysel iletkenlik ve antimikrobiyal ilgili tanımlayıcılardan elde edilen normalize fonksiyonel özellik katkısını temsil ederken, Fonksiyonel Performans Endeksi (FPI), normalleştirilmiş fonksiyonel özellik bileşenlerinin ağırlıklı birleşiminden elde edilen nihai entegre karşılaştırmalı analitik puanı temsil eder. Ek Dosya 2, Çoklu Başlı Bağlayıcı–Matris Etkileşim Dikkat Modelini gösterir.

Ek Dosya 2'de, bağlayıcılar, nanopartiküller ve polimer matrisi arasındaki karmaşık etkileşimleri modellemek için çok başlı bir dikkat mekanizması kullanılır. Yapısal, mekanik ve fonksiyonel özellikler sorgu, anahtar-değer temsillerine dönüştürülür. Paralel dikkat başlıkları çeşitli etkileşim kalıplarını algılar ve bunların birleşimi, MgO veya CuO bağlayıcıların genel etkisinin birleşik bir temsilini verir. Ek Dosya 3, Özellik Tahmini ve Uygulama Sınıflandırmasını gösterir.

Ek Dosya 3, birleşmiş etkileşimlerin özelliklerine dayanarak nanokompozitin yaygın uygulama alanını tahmin eder. Mekanik, termik ve fonksiyonel özellik ağırlıklı skorlar hesaplanır ve karşılaştırılır.

Çok başlı dikkat modeli için, özellik matrisi normalize edilmiş mekanik dayanıklılık, termal kararlılık, elektrik iletkenliği ve dağılım-kalite tanımlayıcıları kullanılarak tanımlanır; burada d = 4. Dikkat başı sayısı H = 4 olarak sabitlenir, her başlık boyutu ile . Projeksiyon _matrisleri W_Q, W K ve W_V, Xavier tekdüze başlatma kullanılarak başlatılır ve Adam optimizatörü ile denetimli eğitim yoluyla optimize edilir (öğrenme oranı = 0.001, 100 dönem, parti boyutu = 32). Birleşmiş temsil, karşılaştırmalı bağlayıcı-performans veri setinde 5 katlı çapraz doğrulama kullanılarak doğrulanır. Uygulama sınıflandırması için, ağırlık vektörleri e açıkça , , olarak tanımlanır ve yapısal, termal, fonksiyonel ve dağılımsal özelliklerin göreceli etkisine karşılık gelir.

Results

Metal oksit nanopartiküllerle güçlendirilmiş polimer nanokompozitler, üretim uygulamaları için üstün mekanik, termal ve fonksiyonel özellikler sergiler. Bağlayıcı seçimi, nanopartikül dağılımı ve arayüz davranışı için önemli bir husustur. Bu çalışmada MgO ve CuO bağlayıcıları, kompozit performans ve belirli uygulamalar için uygunluk üzerindeki etkilerine ışık tutmak amacıyla karşılaştırılmıştır.

Veri seti

Metal-Oksit-Veri Seti, SAID Grubu tarafından...

Discussion

Polimer nanokompozitlerde metal oksit nanopartiküllerinin güçlendirilmesi üzerindeki MgO ve CuO bağlayıcılarının etkisi kapsamlı şekilde incelenmiştir. Bağlayıcı seçimi, nanopartikül dağılımını, arayüz yapışmasını ve bileşik davranışı büyük ölçüde etkiler. MgO bağlayıcılar yüksek dispersyon düzenliliği, iyi arayüz bağlanması, yüksek mekanik dayanıklılık ve iyi termal stabiliteye sahiptir; bu da yapısal olarak zorlu uygulamalar için oldukça uygundur. Öte yandan, CuO bağlayıcılarının işlev...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Magnesium oxide (MgO) binder		1 wt%, 3 wt%, 5 wt%	Karşılaştırmalı mekanik ve termal performans değerlendirmesi
Copper oxide (CuO) binder		1 wt%, 3 wt%, 5 wt%	Fonksiyonel ve iletkenlik performans değerlendirmesi
Veri seti kaynağı		Metal-Oksit Veri Seti (n = 120 gözlem)	Karşılaştırmalı analiz için girdi verileri
Programlama ortamı		Python 3.11	Nümerik uygulama ve analiz
Nümerik kütüphane		NumPy v1.26.4	Matris işlemleri ve denklem hesaplaması
Veri ön işleme aracı		Pandas v2.2.1	Veri temizleme ve özellik çıkarma
İstatistiksel kütüphane		SciPy v1.12.0	İstatistiksel doğrulama ve hipotez testi
Görselleştirme yazılımı		Matplotlib v3.8.3	Grafik oluşturma ve şekil hazırlama
Dikkat modeli parametresi		H = 4 başlık, 100 epoch, öğrenme hızı = 0.001	Bağlayıcı ve matris etkileşimi modellemesi
Doğrulama çerçevesi		5'li çapraz doğrulama, 5 tekrarlı çalıştırma	Tekrarlanabilirlik ve performans doğrulaması