MétaCan
Menu
Retour à la cohorte
Enregistrement W1994208779 · doi:10.1117/12.775476

Carbon nanotube yarns: sensors, actuators, and current carriers

2008· article· en· W1994208779 sur OpenAlexaff
Tissaphern Mirfakhrai, Mikhail E. Kozlov, Shaoli Fang, Mei Zhang, Ray H. Baughman, John D. W. Madden

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2008
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCarbon nanotubeMaterials scienceSpinningActuatorComposite materialNanotubeNanotechnologyTension (geology)ConductivityCarbon nanotube actuatorsCurrent (fluid)Current densityUltimate tensile strengthOptoelectronicsMechanical properties of carbon nanotubesElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Carbon nanotubes (CNTs) have attracted extensive attention in the past few years because of their appealing mechanical and electronic properties. Yarns made through spinning multi-walled carbon nanotubes (MWNTs) have been reported. Here we report the application of these yarns as electrochemical actuators, force sensors and microwires. When extra charge is stored in the yarns, change in length. This actuation is thought to be because of electrostatic as well as quantum chemical effects in the nanotube backbones. We report strains up to 0.7 %. At the same time, the charged yarns can respond to a change in the applied tension by generating a current or a potential difference that is related to the applied tension force. As current carriers, the yarns offer a conductivity of ~300 S/cm, which increases linearly with temperature. We report a current capacity of more than 108 A/m2, which is comparable to those of macroscopic metal wires. However, these nanotube yarns have a density (0.8 g/cm3) that is an order of magnitude lower than metallic wires. The MWNT yarns are mechanically strong with tensile strengths reaching 700 MPa. These properties together make them a candidate material for use in many applications including sensors, actuators and light-weight current carriers.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,012
Tête enseignante GPT0,230
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations8
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetCarbon Nanotubes in CompositesTravaux en français237 207