Fabrication of conductive polymer nanofibers through SWNT supramolecular functionalization and aqueous solution processing
Notice bibliographique
Résumé
Polymeric thin films and nanostructured composites with excellent electrical properties are required for the development of advanced optoelectronic devices, flexible electronics, wearable sensors, and tissue engineering scaffolds. Because most polymers available for fabrication are insulating, one of the biggest challenges remains the preparation of inexpensive polymer composites with good electrical conductivity. Among the nanomaterials used to enhance composite performance, single walled carbon nanotubes (SWNTs) are ideal due to their unique physical and electrical properties. Yet, a barrier to their widespread application is that they do not readily disperse in solvents traditionally used for polymer processing. In this study, we employed supramolecular functionalization of SWNTs with a conjugated polyelectrolyte as a simple approach to produce stable aqueous nanotube suspensions, that could be effortlessly blended with the polymer poly(ethyleneoxide) (PEO). The homogeneous SWNT:PEO mixtures were used to fabricate conductive thin films and nanofibers with improved conductivities through drop casting and electrospinning. The physical characterization of electrospun nanofibers through Raman spectroscopy and SEM revealed that the SWNTs were uniformly incorporated throughout the composites. The electrical characterization of SWNT:PEO thin films allowed us to assess their conductivity and establish a percolation threshold of 0.1 wt% SWNT. Similarly, measurement of the nanofiber conductivity showed that the electrospinning process improved the contact between nanotube complexes, resulting in conductivities in the S m(-1) range with much lower weight loading of SWNTs than their thin film counterparts. The methods reported for the fabrication of conductive nanofibers are simple, inexpensive, and enable SWNT processing in aqueous solutions, and offer great potential for nanofiber use in applications involving flexible electronics, sensing devices, and tissue engineering scaffolds.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».