High thermally conductive PLA based composites with tailored hybrid network of hexagonal boron nitride and graphene nanoplatelets
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Bio‐based polymers and multifunctional polymeric composites are promising for the development of new environmentally sustainable materials and are becoming increasingly popular compared to their oil based counterparts. This research aims to develop new multifunctional bio‐based polymer composites with improved thermal conductivity and tailored electrical properties to be used as heat management materials in the electronics industry. A series of parametric studies were conducted to clarify the science behind the hybrid composites' behavior and their structure‐to‐property relationships. Using bio‐based polymers [e.g., polylactic acid (PLA)] as the matrix, heat transfer networks were developed and structured by embedding hexagonal boron nitride (hBN) and graphene nanoplatelets (GNP) in a PLA matrix. The effects of random uniform thermal hybrid networks of hBN‐GNP on improving the effective thermal conductivity ( k eff ) of produced composites were studied and compared. Composites were characterized with respect to physical, thermal, electrical, and mechanical properties for practical application in the electronics industry. The use of high thermally conductive hybrid filler systems, with optimized filler content, was found to promote the composites' effective thermal conductivity to more than 12 times over neat PLA. The thermally conductive composite is expected to provide unique opportunities to injection mold three‐dimensional, net‐shape, lightweight, and eco‐friendly microelectronic enclosures with superior heat dissipation performance. POLYM. COMPOS., 37:2196–2205, 2016. © 2015 Society of Plastics Engineers
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle