MétaCan
Menu
Retour à la cohorte
Enregistrement W2079828062 · doi:10.1002/adfm.201203808

Niobium Nanowire Yarns and their Application as Artificial Muscles

2013· article· en· W2079828062 sur OpenAlexaff
Seyed M. Mirvakili, Alexey Pazukha, William K. A. Sikkema, Chad W. Sinclair, Geoffrey M. Spinks, Ray H. Baughman, John D. W. Madden

Notice bibliographique

RevueAdvanced Functional Materials · 2013
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceNiobiumComposite materialNanowireUltimate tensile strengthCarbon nanotubeWaxModulusParaffin waxComposite numberEtching (microfabrication)YarnDeformation (meteorology)NanotechnologyLayer (electronics)Metallurgy

Résumé

récupéré en direct d'OpenAlex

Abstract Metal nanowires are twisted to form yarns that are strong (0.4 to 1.1 GPa), pliable, and more conductive (3 × 10 6 S m −1 ) than carbon nanotube yarns. Niobium nanowire fibers are extracted by etching a copper‐niobium nano‐composite material fabricated using the severe plastic deformation process. When impregnated with paraffin wax, the niobium (Nb) nanowire yarns produce fast rotational actuation as the wax is heated. The heated wax expands, untwisting the yarn, which then re‐twists upon cooling. Normalized to yarn length, 12 deg mm −1 of torsional rotation was achieved along with twist rates in excess of 1800 rpm. Tensile modulus of 19 ± 5 GPa was measured for the Nb yarns, which is very similar to those of carbon multiwalled nanotubes.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,026
Score d'incertitude au seuil0,999

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,007
Tête enseignante GPT0,212
Écart entre enseignants0,205 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations101
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Functional MaterialsMême sujetCarbon Nanotubes in CompositesTravaux en français237 207