MétaCan
Menu
Retour à la cohorte
Enregistrement W2078945158 · doi:10.1002/ppap.201200075

Plasma Functionalization of Carbon Nanotubes for the Synthesis of Stable Aqueous Nanofluids and Poly(vinyl alcohol) Nanocomposites

2012· article· en· W2078945158 sur OpenAlexaff
Nathan Hordy, Sylvain Coulombe, Jean‐Luc Meunier

Notice bibliographique

RevuePlasma Processes and Polymers · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceCarbon nanotubeNanocompositeVinyl alcoholSurface modificationCrystallinityComposite materialAqueous solutionChemical engineeringGlass transitionUltimate tensile strengthPolymerX-ray photoelectron spectroscopyPolymer nanocompositeNanofluidNanoparticleNanotechnologyChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Carbon nanotubes (CNTs) synthesized by direct thermal chemical vapor deposition growth from stainless steel mesh are surface functionalized via an Ar/O2/C2H6 capacitively coupled RF plasma discharge. The open and rigid network of CNTs allows for a high degree of the CNT surface to be treated. As a result, the aqueous nanofluids that are produced by removing the CNTs from the substrate are found to remain stable for extended periods of time (greater than six months). X‐ray photoelectron spectroscopy analysis revealed that oxygen comprised approximately 21 at.% of the functionalized CNT surface. Poly(vinyl alcohol)/CNT nanocomposites produced using the plasma functionalized CNTs are homogenous with excellent dispersion of the CNTs. Mechanically, the 0.75 wt.‐% functionalized‐CNT nanocomposite show 54 and 60% increases in tensile strength and modulus, respectively, over the neat polymer. Little to no change is seen in the degree of crystallinity or the glass transition and melting point temperatures of the nanocomposites. Finally, water content is found to have a significant effect on the polymer and composite's tensile properties. magnified image

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 enseignants0,001
Score d'incertitude au seuil0,003

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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,236
Écart entre enseignants0,221 · 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

Citations79
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlasma Processes and PolymersMême sujetCarbon Nanotubes in CompositesTravaux en français237 207