MétaCan
Menu
Retour à la cohorte
Enregistrement W2018456117 · doi:10.1109/tnano.2013.2279262

The Mutual Interactions of Carbon Nanotubes During Dielectrophoresis

2013· article· en· W2018456117 sur OpenAlexaff
Ali Kashefian Naieni, Alireza Nojeh

Notice bibliographique

RevueIEEE Transactions on Nanotechnology · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCarbon nanotubeDielectrophoresisMaterials scienceElectric fieldNanotechnologyElectrodeDeposition (geology)Chemical physicsPulmonary surfactantNanomaterialsChemical engineeringChemistryPhysicsMicrofluidics

Résumé

récupéré en direct d'OpenAlex

Dielectrophoresis (DEP) has been widely used for the deposition of various types of nanomaterials including carbon nanotubes (CNTs). Here, we report the results of experiments that show that the interactions between deposited and suspended nanotubes during the deposition process can considerably affect the dynamics and the final results of the deposition. Semiperiodic stripes of nanotubes bridging two electrodes are formed from solutions containing no surfactant. The periodicity of the patterns depends on the geometry of the electrodes. Finite-element method simulations are used to explain the mechanisms underlying the observed experimental outcomes. The pattern formation is shown to be related to the mutual effects of CNTs on each other. The reason lies in the changes in the electric field as a result of deposition of CNTs. These changes directly alter the DEP force field and, therefore, the way the CNTs are guided. The extent of effectiveness of the electrothermal force, which turns out to be substantial for some solutions, is also investigated, and it is shown that although in some situations the heat generated by the current passing through the nanotubes considerably increases this force, the DEP force remains dominant when a surfactant-free solution is used.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,553

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,006
Tête enseignante GPT0,186
Écart entre enseignants0,181 · 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.

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

Citations5
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on NanotechnologyMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207