MétaCan
Menu
Retour à la cohorte
Enregistrement W2006187419 · doi:10.1088/0957-4484/25/34/345401

Thermal rectification in a polymer-functionalized single-wall carbon nanotube

2014· article· en· W2006187419 sur OpenAlexaff
Souvik Pal, Ishwar K. Puri

Notice bibliographique

RevueNanotechnology · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueThermal properties of materials
Établissements canadiensMcMaster University
Organismes subventionnairesNational Science Foundation
Mots-clésRectificationMaterials scienceCarbon nanotubeAsymmetryThermalNanocompositeAnharmonicityNanotechnologyDiodeOptoelectronicsCondensed matter physicsThermodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

Thermal rectification occurs when heat current through a material is favored in one direction but not in the opposite direction. These materials, often called thermal diodes, have the potential to perform logic calculations with phonons. Rectification obtained with existing material systems is either too minor or too difficult to implement practically. Hence, we present a scheme to enable higher rectification using a single-wall carbon nanotube (SWCNT) that is covalently functionalized near one end with polyacetylene (PA) chains. This composite structure allows rectification R up to 204%, which is higher than the values reported for SWCNTs. Here, [Formula: see text], where [Formula: see text] and [Formula: see text] are the heat currents for forward and reverse bias, respectively. The interatomic interactions in the SWCNT-PA nanocomposite are nonlinear, i.e., they are anharmonic, which is a requirement for thermal rectification. Through atomistic simulations, we identify two additional conditions to accomplish thermal rectification at the nanoscale, namely, (1) structural asymmetry, and (2) that the influence of this asymmetry on thermal transport is temperature dependent. The optimum temperature difference to achieve the highest thermal rectification with the structure is 40-80 K.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,012
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0010,000

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 Opus0,017
Tête enseignante GPT0,215
Écart entre enseignants0,198 · 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

Citations25
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetThermal properties of materialsTravaux en français237 207