Preparation, Micro‐Patterning and Electrical Characterization of Functionalized Carbon‐Nanotube Polydimethylsiloxane Nanocomposite Polymer
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
Abstract Summary : We present the preparation, improved micro‐patterning, and electrical property characterization of COOH‐ functionalized mutli‐walled carbon nanotube (MWCNT) and polydimethylsiloxane (PDMS) conductive nanocomposite polymers that can be employed for lab on a chip applications. The nanocomposites are prepared by mixing functionalized MWCNTs into an uncured PDMS matrix and employing high frequency ultrasonics (∼ 42‐50 kHz) using a horn tip probe. The prepared nanocomposites are micromolded using soft lithography techniques down to a feature size of 25 µm against a micropatterned SU‐8 polymer master. An array of peg like microstructures have been fabricated with a radii of 25 µm and height of 100 µm, that are embedded on a non‐conductive PDMS substrate using novel and improved fabrication techniques. The percolation threshold of the prepared nanocomposite is achieved at 1.5 weight percentage (wt.%) of COOH‐ functionalized MWCNT in the PDMS matrix. Resistivity levels at 2 wt.% of functionalized MWCNTs are 62 Ω‐cm or better, which is an improvement over our previously reported nanocomposite resistivity value of 100 Ω‐cm at 2 wt.% of nonfunctionalized MWCNT's in a PDMS matrix. The nanocomposites also have fairly uniform dispersion and no agglomeration of COOH‐ functionalized MWCNT as shown by SEM analysis. Furthermore, the nanocomposites show a negative temperature coefficient of resistivity (NTCR), making them ideal candidates for micropatternable temperature microsensors for lab on a chip systems.
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