MétaCan
Menu
Retour à la cohorte
Enregistrement W1524467013 · doi:10.1002/mame.201400352

Electrified Polyolefin/Multiwall Carbon Nanotube Composites Exhibit Dramatic Changes in Electrical Conductivity, Permittivity, and Filler Structure

2015· article· en· W1524467013 sur OpenAlexafffund
Osayuki Osazuwa, Marianna Kontopoulou, Ribal Georges Sabat, Aristides Docoslis

Notice bibliographique

RevueMacromolecular Materials and Engineering · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensRoyal Military College of CanadaQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceCarbon nanotubeComposite materialPolyolefinDielectricDielectric spectroscopyComposite numberElectrical resistivity and conductivityPermittivityAnnealing (glass)ConductivityElectric fieldDielectric lossElectrode

Résumé

récupéré en direct d'OpenAlex

Electrically insulating polyolefin composites containing well‐dispersed multiwall carbon nanotubes up to 3 wt.‐% are subjected to AC electric fields in the range of 71–212 kV m −1 . Their resulting filler structure, DC conductivity, and AC dielectric properties are compared with the respective properties of their non‐electrified and annealed counterparts. As evidenced by TEM, electrification causes the formation of aligned filler structures in the direction of the electric field within the composite, whereas annealing alone results in the formation of randomly interconnected nanotubes. Dielectric spectroscopy shows that, due to their ordered carbon nanotube structures, the electrified composites exhibit substantially higher conductivity and storage capacity compared to the as‐compounded composites and consistently better electrical properties than their annealed counterparts. An equivalent circuit model is fitted to the experimentally obtained impedance data in order to correlate the effects of electric field and processing time to the resulting dielectric characteristics of the treated composites.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,210
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMacromolecular Materials and EngineeringMême sujetCarbon Nanotubes in CompositesTravaux en français237 207