Development of thermally conductive polymer matrix composites by foaming‐assisted networking of micron‐ and submicron‐scale hexagonal boron nitride
Notice bibliographique
Résumé
ABSTRACT Thermally conductive polymer matrix composite (PMC) foams with effective thermal conductivities ( k eff ) higher than their solid counterparts have been developed for the first time. Using a material system consists of low density polyethylene and micron‐scale or submicron‐scale hexagon boron nitride platelets as a case example, this article demonstrates that foaming‐assisted filler networking is a feasible processing strategy to enhance PMC's k eff , especially at a low hBN loading. Parametric studies were conducted to identify the structure‐to‐property relationships between foam morphology (e.g., cell population density, cell size, and foam expansion) and the PMC foam's k eff . In particular, there exists an optimal cell size to maximize the PMC foam's k eff for foams with up to 50% volume expansion. However, an optimal cell size is absent for PMC foams with higher volume expansion. X‐ray diffraction (XRD) analyses reveal that both the presence of hBN platelets and foam expansion promoted the crystallization of LDPE phase. Moreover, the XRD spectra also provide evidence for the effect of foam expansion on the orientation of hBN platelets. Overall, the findings provide new directions to design and fabricate thermally conductive PMC foams with low filler contents for heat management applications. © 2015 Wiley Periodicals, Inc. J. Appl. Polym. Sci. 2016 , 133 , 42910.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».