The effect of molecular weight on the separation of semiconducting single‐walled carbon nanotubes using poly(2,7‐carbazole)s
Notice bibliographique
Résumé
ABSTRACT The use of selective interactions between conjugated polymers and single‐walled carbon nanotubes has emerged as a promising method for the separation of nanotubes by electronic type. Although much attention has been devoted to investigating polyfluorenes and their ability to disperse semiconducting carbon nanotubes under specific conditions, other polymer families, such as poly(2,7‐carbazole)s, have been relatively overlooked. Poly(2,7‐carbazole)s have been shown to also preferentially interact with semiconducting carbon nanotubes, however a detailed investigation of polymer parameters, such as molecular weight, has not been performed. We have prepared seven different molecular weights of a poly(2,7‐carbazole), from short chain oligomers to high molecular weight polymers, and have investigated their effectiveness at dispersing semiconducting single‐walled carbon nanotubes. Although all polymer chain lengths were able to efficiently exfoliate carbon nanotube bundles using a mild dispersion protocol, only polymers above a certain threshold molecular weight ( M n ∼ 27 kDa) were found to exhibit complete selectivity for semiconducting nanotubes, with no observable signals from metallic species. Additionally, we found the quality of separation to be strongly dependent on the ratio of polymer to carbon nanotube. Contrary to previous reports, we have found that an excess of poly(2,7‐carbazole) leads to incomplete removal of metallic carbon nanotubes. © 2015 Wiley Periodicals, Inc. J. Polym. Sci., Part A: Polym. Chem. 2015 , 53 , 2510–2516
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».