MétaCan
Menu
← Retour à la cohorte
Enregistrement W2063113799 · doi:10.1115/smasis2012-7986

The Application of Multiwall Carbon Nano-Tubes/Polypyrrole Composite Electrode in Flexible Energy Storage System for Electronic Textile and Wearable Electronics

2012· article· en· W2063113799 sur OpenAlexaff
Ka Yeung Terence Lee, Hani E. Naguib, Keryn Lian, Elaine Biddiss

Notice bibliographique

RevueVolume 1: Development and Characterization of Multifunctional Materials; Modeling, Simulation and Control of Adaptive Systems; Structural Health Monitoring · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensHolland Bloorview Kids Rehabilitation HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPolypyrroleMaterials scienceCarbon nanotubeCyclic voltammetryComposite numberNanocompositeSupercapacitorElectrodeComposite materialConductive polymerPolymerizationChemical engineeringScanning electron microscopeIn situ polymerizationInterfacial polymerizationElectrochemistryMonomerPolymerChemistry

Résumé

récupéré en direct d'OpenAlex

A nanocomposite of Multi-walled Carbon nanotubes (MWCNT) and Polypolypyrrole (PPy) is fabricated and characterized for supercapacitor application. PPy is uniformly coated on the MWCNT surface by mean of in-situ chemical polymerization. MWCNT content is varied to control the thickness of deposited Pyrrole layer. Ferric chloride solution (FeCl3.6H2O) is used as oxidant to polymerize Pyrrole. Highly conductive nickel foam is used as a current collector for the electrode. Scanning Electron Microscopy (SEM) and Transmission Electron (TE) imaging were used in characterizing composite surface morphology. Electrochemical behavior is studied by mean of Cyclic Voltammetry (CV) and AC Impedance Spectrometry. The effect of varying monomer to MWCNT weight ratio in composite electrical properties was studied in this paper.

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: Empirique
Score de désaccord entre enseignants0,000
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,016
Tête enseignante GPT0,246
Écart entre enseignants0,229 · 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume 1: Development and Characterization of Multifunctional Materials; Modeling, Simulation and Control of Adaptive Systems; Structural Health Monitoring→Même sujetSupercapacitor Materials and Fabrication→Travaux en français237 207→