Synthesis of polydopamine‐coated graphene–polymer nanocomposites via RAFT polymerization
Notice bibliographique
Résumé
ABSTRACT Graphene‐polymer nanocomposites have significant potential in many applications such as photovoltaic devices, fuel cells, and sensors. Functionalization of graphene is an essential step in the synthesis of uniformly distributed graphene‐polymer nanocomposites, but often results in structural defects in the graphitic sp 2 carbon framework. To address this issue, we synthesized graphene oxide (GO) by oxidative exfoliation of graphite and then reduced it into graphene via self‐polymerization of dopamine (DA). The simultaneous reduction of GO into graphene, and polymerization and coating of polydopamine (PDA) on the reduced graphene oxide (RGO) surface were confirmed with XRD, UV–Vis, XPS, Raman, TGA, and FTIR. The degree of reduction of GO increased with increasing DA/GO ratio from 1/4 to 4/1 and/or with increasing temperature from room temperature to 60 °C. A RAFT agent, 2‐(dodecylthiocarbonothioylthio)−2‐methylpropionic acid, was linked onto the surface of the PDA/RGO, with a higher equivalence of RAFT agent in the reaction leading to a higher concentration of RAFT sites on the surface. Graphene‐poly(methyl methacrylate), graphene‐poly( tert ‐butyl acrylate), and graphene‐poly( N ‐isopropylacrylamide) nanocomposites were synthesized via RAFT polymerization, showing their characteristic solubility in several different solvents. This novel synthetic route was found facile and can be readily used for the rational design of graphene‐polymer nanocomposites, promoting their applications. © 2013 Wiley Periodicals, Inc. J. Polym. Sci., Part A: Polym. Chem. 2013 , 51 , 3941–3949
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».